Learning Corrections for Hyperelastic Models From Data
نویسندگان
چکیده
منابع مشابه
a new approach to credibility premium for zero-inflated poisson models for panel data
هدف اصلی از این تحقیق به دست آوردن و مقایسه حق بیمه باورمندی در مدل های شمارشی گزارش نشده برای داده های طولی می باشد. در این تحقیق حق بیمه های پبش گویی بر اساس توابع ضرر مربع خطا و نمایی محاسبه شده و با هم مقایسه می شود. تمایل به گرفتن پاداش و جایزه یکی از دلایل مهم برای گزارش ندادن تصادفات می باشد و افراد برای استفاده از تخفیف اغلب از گزارش تصادفات با هزینه پائین خودداری می کنند، در این تحقیق ...
15 صفحه اولMachine Learning Models for Housing Prices Forecasting using Registration Data
This article has been compiled to identify the best model of housing price forecasting using machine learning methods with maximum accuracy and minimum error. Five important machine learning algorithms are used to predict housing prices, including Nearest Neighbor Regression Algorithm (KNNR), Support Vector Regression Algorithm (SVR), Random Forest Regression Algorithm (RFR), Extreme Gradient B...
متن کاملFitting hyperelastic models to experimental data
This paper is concerned with determining material parameters in incompressible isotropic elastic strain–energy functions on the basis of a non-linear least squares optimization method by fitting data from the classical experiments of Treloar and Jones and Treloar on natural rubber. We consider three separate forms of strain-energy function, based respectively on use of the principal stretches, ...
متن کاملHyperelastic models for hydration of cellular tissue.
In this paper we present hyperelastic models for swelling elastic shells, due to pressurization of the internal cavity. These shells serve as model systems for cells having cell walls, as can be found in bacteria, plants and fungi. The pressurized internal cavity represents the cell vacuole with intact membrane at a certain turgor pressure, and the elastic shell represents the hydrated cell wal...
متن کاملذخیره در منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ژورنال
عنوان ژورنال: Frontiers in Materials
سال: 2019
ISSN: 2296-8016
DOI: 10.3389/fmats.2019.00014