데이터 기반 유한요소해석

2021 대학기계학회 CAE및응용역학부문 신기술강습회

강의 자료

강의슬라이드: PDF

참고 강의 동영상

Youtube 강의: 강의보기

실습 코드

실습 준비하기
1) 본 강습회는 실습을 위해 구글 Colab을 사용합니다. 원하시는 경우 개인컴퓨터에 Jupyter Notebook과 TensorFlow를 설치하셔도 됩니다. 강습회에 오시기 전에 아래 사용법을 미리 체크하시고 준비해 주세요
TensorFlow 설치+Colab 사용방법+Python 기초문법
2) 구조설계데이터인 Bracket data를 예시로 사용합니다. 아래 두가지 파일을 다운받아 주세요.
data_3000, data_1000

Convolutional Neural Network (CNN)

1) Colab
  --MNIST: CNN_Sequential, CNN_Functional
  --Bracket: CNN_Sequential

2) Jupyter Notebook
  --MNIST: CNN_Sequential, CNN_Functional
  --Bracket: CNN_Sequential

#참고: 다양한 학습 방법 비교 (MNIST)
Sequential+ModelFit / Sequential+GradientTape /
Functional+ModelFit / Functional+GradientTape /
Subclassing+ModelFit / Subclassing+GradientTape
Ensemble

Autoencoder (AE) & Anomaly Detection

1) Colab
  --Bracket: Autoencoder, Anomaly Detection

2) Jupyter Notebook
  --Bracket: Autoencoder, Anomaly Detection

#참고: 다양한 학습 방법 비교 (Bracket)
ModelFit / GradientTape

Variational AutoEncoder (VAE)

1) Colab
  --Bracket: VAE

2) Jupyter Notebook
  --Bracket: VAE

#참고: 다양한 학습 방법 비교 (Bracket)
ModelFit / GradientTape

Generative Adversarial Network (GAN)

1) Colab
  --Bracket: GAN

2) Jupyter Notebook
  --Bracket: GAN

#참고: 다양한 학습 방법 비교 (Bracket)
ModelFit / GradientTape

Advanced Models

1) Convolutional Autoencoder (CAE)
  --Bracket: ModelFit / GradientTape

2) Deep Convolutional GAN (DCGAN)
  --MNIST: Keras

3) Conditional GAN (cGAN)
  --MNIST: Keras

4) Boundary Equilibrium GAN (BEGAN)
  --MNIST: Keras