Real-time elastic partial shape matching using a neural network-based adjoint method

要約

サーフェス マッチングは、通常、物理的なポリシーの欠如による構造的な破損につながる可能性のある大きな変形を提供します。
これに関連して、非線形変形体の部分的な表面マッチングは、構造の変形を制御する工学において非常に重要です。
この記事では、未知数がオブジェクトに適用される表面力分布であり、超弾性モデルを使用して計算された結果の変形である人工ニューラル ネットワークを使用して、登録問題を最適制御問題として定式化することを提案します。
最適化問題は、フィードフォワード ニューラル ネットワークを使用して超弾性問題を解き、ネットワークの逆伝播によって随伴問題を求める随伴法を使用して解かれます。
私たちのプロセスは、許容可能な登録エラーを提供しながら、計算速度を数桁向上させます。

要約(オリジナル)

Surface matching usually provides significant deformations that can lead to structural failure due to the lack of physical policy. In this context, partial surface matching of non-linear deformable bodies is crucial in engineering to govern structure deformations. In this article, we propose to formulate the registration problem as an optimal control problem using an artificial neural network where the unknown is the surface force distribution that applies to the object and the resulting deformation computed using a hyper-elastic model. The optimization problem is solved using an adjoint method where the hyper-elastic problem is solved using the feed-forward neural network and the adjoint problem is obtained through the backpropagation of the network. Our process improves the computation speed by multiple orders of magnitude while providing acceptable registration errors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google