【AI大數據分析】系列 4:傳統與AI預測模型之比較ROM與romAI

技術中心

Technology

技術中心

所有分類
【AI大數據分析】系列 4:傳統與AI預測模型之比較ROM與romAI
Mar.29,2024



 

【 影片說明 】 


.......由於最佳化分析需要大量的計算量,平均來說大約需要50~200個以上的計算量,才能有效求出全域的最佳解,但是實務上的工程問題以FEM模擬求解,很可能是需要一定程度的計算時間的,粗略的估算,如果一個FEM分析需要1小時,則100個run就需要100個小時,也是好幾個工作天,因此使用有代表性的等效模型來取代FEM求解,一直以來都是最佳化分析的經典方法。
傳統上最佳化軟體大多都會有擬合等效模型的功能,例如:HyperStudy的Approximate Fit,擬合出的等效模型一般叫做ROM (Reduce Order Model),但藉由數學函數擬合方法建構的ROM卻往往無法對應高度非線性的問題,一旦ROM的精度不佳、代表性不足,則後續的最佳化結果就不可靠,還是需要依靠FEM Solver,現在大家有了新的選擇romAI,到底romAI是什麼,可以解決什麼樣的問題,與傳統的數學函數擬合法比起來有什麼優勢,請詳見影片。


 

【 系列說明 】

.......Altair近幾年併購AI數據分析軟體,包含了Knowledge Studio、RapidMiner,以及Monarch等等。本系列影片介紹關於使用AI數據預測分析的工程範例,說明如何將Altair的AI大數據應用於工程領域

服務諮詢

軟體試用

公司簡介 最新消息 聯絡我們

若同意本網站之隱私權政策,請點選「CONFIRM」,若繼續閱覽本網站內容,即表示您同意我們使用 cookies 分析技術,更多資訊請瀏覽 隱私權聲明

CONFIRM