Применение методов искусственного интеллекта для компьютерного моделирования фрактальных поверхностей
Автор: Сосенушкин Е.Н., Яновская Е.А., Желнов А.С.
Журнал: Известия Самарского научного центра Российской академии наук @izvestiya-ssc
Рубрика: Информатика, вычислительная техника и управление
Статья в выпуске: 1 т.26, 2024 года.
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.
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.