Применение методов искусственного интеллекта для компьютерного моделирования фрактальных поверхностей

Бесплатный доступ

В работе рассматривается возможность применения методов искусственного интеллекта для компьютерного моделирования фрактальных поверхностей. Фракталы выступают в качестве математической модели для создания случайного рельефа поверхности. Построение случайного профиля происходит с помощью метода случайных смещений, представляющего собой алгоритм генерации случайных функций со спектром. Поверхности задаются с помощью массивов данных, которые проходят проверку по условию самоподобия. На основе заданных массивов строятся модели с помощью функции Вейерштрасса. Алгоритм построения поверхностей был доработан и улучшен с помощью машинного обучения нейросетевой генеративной моделью. Таким образом, вместо простого создания фрактальной поверхности с использованием случайных функций, генератор создает фрактальные поверхности на основе распределения, изученного в процессе обучения. Критерием проверки является алгоритм, в основе которого заложен, в общем случае, математический метод Монте-Карло. Полученные результаты показывают реалистичность построенных фрактальных поверхностей с использованием нейронных сетей. Модели полученных рельефов поверхностей могут быть использованы при моделировании контактной механики, механики деформируемого твердого тела.

Еще

Искусственный интеллект, массив данных, рельеф поверхности, машинное обучение, компьютерное моделирование

Короткий адрес: https://sciup.org/148328541

IDR: 148328541   |   DOI: 10.37313/1990-5378-2024-26-1-109-115

Список литературы Применение методов искусственного интеллекта для компьютерного моделирования фрактальных поверхностей

  • Бекман, И.Н. Геометрия фракталов. Курс лекций / И. Н. Бекман. – М.: Московский государственный университет им. М.В. Ломоносова, 2010. – 29 с.
  • Бекман, И.Н. Нелинейная динамика сложных систем: теория и практика/ И. Н. Бекман. – М.: Московский государственный университет им. М.В. Ломоносова, 2018. – 132 с.
  • Стружанов, В.В. Теория упругости: основные положения: учеб. пособие / В.В. Стружанов, Н.В. Бурмашева; М-во науки и высш. образования Рос. Федерации, Урал. федер. ун-т. – Екатеринбург: Изд-во Урал. ун-та, 2019. – 204 с.
  • J. J. Gagnepin and C. Roques-Carmes, Practal approach to two-dimensional and three-dimensional surface roughness, 109, 114-119 (1986).
  • A. Majunder and B. Bhushan, Role of fractal geometry in roughness characterization and contsct mechanics of surfaces, ASME J. Tkibology, 112, 205-216 (1990).
  • A. Majunder and C.L. Tien, Fractal charscterization and simulation of rough surfaces, 136, 313-327 (1990).
  • A. Majunder and B. Bhushan, Fractal model of elasticplastic contact between rough surfaces, J. Zkibology, 13, l-11 (1991).
  • J. Lopez, G. Hansali, H. Zahouani, J.C. Lebosse and T. Mathia, 3D fractal-based characterization for engineered surface topography, Int. J. Mach. Tools Manufact, 35, 211-217 (1995).
  • Дэвид Фостер. Генеративное глубокое обучение. Творческий потенциал нейронных сетей. — СПб.: Питер, 2020. — 336 с.: ил. — (Серия «Бестселлеры O’Reilly»).
  • Гафаров, Ф.М.. Искусственные нейронные сети и приложения: учеб. пособие / Ф.М. Гафаров, А.Ф. Галимянов. – Казань: Изд-во Казан. ун-та, 2018. – 121 с.
  • Кравченко, Н.С. Методы обработки результатов измерений и оценки погрешностей в учебном лабораторном практикуме: учебное пособие; издание второе / Н.С. Кравченко, О.Г. Ревинская; Национальный исследовательский Томский политехнический университет. – Томск: Изд-во Томского политехнического университета, 2017. – 121 с.
  • Трофимова, Е.А. Теория вероятностей и математическая статистика: учеб. пособие / Е. А. Трофимова, Н. В. Кисляк, Д. В. Гилёв; [под общ. ред. Е. А. Трофимовой]; М-во образования и науки Рос. Федерации, Урал. федер. ун-т. – Екатеринбург: Изд-во Урал. ун-та, 2018. – 160 с.
  • Раменская, А.В. Метод Монте-Карло и инструментальные средства его реализации: методические указания / А.В. Раменская, К.В. Пивоварова; Оренбургский гос. ун-т. – Оренбург: ОГУ, 2018. – 58 с.
  • Михайлов, Г.А. Статистическое моделирование. Методы Монте-Карло: учебное пособие для вузов / Г. А. Михайлов, А. В. Войтишек. – М.: Юрайт, 2024. – 323 с.
Еще
Статья научная