یادگیری عمیق زیرمجموع های از یادگیری ماشین است؛ که در آن از الگوریتمهایی استفاده میشود که مغز را شبی هسازی م یکنند و شبک ه عصبی نام دار ند. برای پی شبینی خیز ورق تحت خمش، روش یادگیری عمیق در این مقاله پیشنهاد شد هاست. این روش، محدودی تهای رو شهای دیگر را نخواهد داشت و فقط نیازمند چندین داد هی واقعی مشابه، برآمده از آزمایش یا تحلیل میباشد. در این مقاله خمش ورقی نازک و مربعی تحت بار گسترده مورد مطالعهی شبک هی عصبی قرار گرفته است. داد ههای مرتبط با نمونههایی که شبکه عصبی طبق آنها آموزش م یبیند؛ از روش حل ناویر برای ورق مستطیلی با تکیهگاه ساده، بدس تآمد هاست. ابعاد، ضخامت و نیروی برشی گسترد ه و یکنواخ ت، همگی در باز های محدود برای نمون ههای یادگیری انتخاب شدند. در آخر با استفاده از شبکه عصبی، پی شبینی خمش ورقی ب ا مشخصاتی در همان محدوده مورد انتظار است. در این مقاله الگوریتمهای مختلف با هم مقایسه شده و در نهایت تأثیر افزایش داد هها نیز مورد بررسی قرار گرفت هاست. برای اعتبارسنجی، تحلیل شبکه عصبی با حل ناویر و روش المان محدود مقایسه ش د. نتایج نشان داد که این روش با افزایش دادهها میتواند با دقتی بالا کانتور خیز را پی شبینی کند.
