Найдутся все метизы
http://www.engineering.com/DesignSoftware/DesignSoftwareArticles/ArticleID/12741/Go-Explore-Autodesk-Reinvents-Search.aspx

Компания #Autodesk рассказал о своем новом продукте Design Graph, который они разрабатывали на протяжении нескольких лет. #DesignGraph позволяет осуществлять поиск #CAD моделей по базе #A360.

Если вы думаете, что это еще один поисковик по метаданным, то вы ошибаетесь. Autodesk заявляет, что внутри системы заложено распознавание образов на базе самообучающейся системы (привет machine learning). Таким образом, если вы попросите Design Graph найти все CAD модели стульев, то система действительно попытается найти все модели похожие на стулья.

Уж не знаю, насколько это хорошо, но явно интересный шаг вперед и еще одна реализация технологий визуального поиска.
#cloud #machinelearning

Mathematica и Wolfram Language 11
http://blog.wolfram.com/2016/08/08/today-we-launch-version-11/

С выходом этой версии знаменитый математический пакет #Mathematica и специализированный язык "программирования" #Wolfram Language получили 555 новых фишек (пруфлинк: http://reference.wolfram.com/language/guide/SummaryOfNewFeaturesIn11.html) Также 11 версия примечательна интересным юбилеем - разработка Mathematica началась 30 лет назад!
Области умения математики, которые получили много нового:
- 3D Печать
- Машинное обучение и нейронные сети
- Работа со звуком
- Анатомические знания
- Географические знания
- Учебные примеры
- Визуализация данных
- Работа с облачными ресурсами

#3DPrinting #MachineLearning #NeuralNetworks #Visualization

Lat-Net: Compressing Lattice Boltzmann Flow Simulations using Deep Neural Networks - такое интересное название носит #opensource проект, про который я пишу сегодня.

Суть проекта заключается в подмене #CFD расчета методом #Lattice #Boltzmann на нейронную сеть. Причем, если верить авторам, то натренировав нейрону на грубой "сетке" можно надеются на достаточно точный расчет на мелкой "сетке".

Это конечно не супер точный #CFD подход, но зато можно быстро получить оценочное решение вашей задачи экономя ресурсы.

#Python #machinelearning #LBM

http://ift.tt/2B0EphKMediaMediaMedia🔗 loliverhennigh/Phy-Net

http://ift.tt/2mLVNVg

А что если научить машину ускорять задачи топологической оптимизации? И получить при этом многократное сокращение времени решения задачи?

Статья двух русских студентов (Иван Сосновик и Иван Оселедец) посвящена рассказывает про их проект, в котором нейронной сети показывали промежуточные результаты работы алгоритма топологической оптимизации и учили ее угадывать, какой будет итоговый результат. После обучения на 10 000 произвольно сгенерированных задачах для #ToPy нейрона смогла ускорить процесс оптимизации до 20 раз в рассматриваемых примерах!

Выборка для тренировки нейроне доступна на #GitHub:
http://ift.tt/2hRdoWE

Исходная научная статья лежит тут:
http://ift.tt/2A2KoWc

#topology #optimization #python #machinelearning #opensourceMediaMedia🔗 [1709.09578] Neural networks for topology optimization

http://ift.tt/2B9gcpK

CADLM — расчеты сложных процессов за секунды?!


Компания CADLM специализируется на работе с большими данными и аналитике вокруг этого, но все это в области CAE. Коллеги строят свои метамодели, способные предсказывать поведение реальных объектов с высокой точностью за считанные секунды.



https://youtu.be/Vvm3iUnPOTA



Все это выглядит очень завлекательно, но есть одно но. Для того, чтобы построить метамодель над математической моделью такой сложности, как показано в примере, нам придется сделать очень большую выборку учебных примеров. Я думаю, что их должны быть если не тысячи, то многие сотни. Вот и считайте, важно ли для вашей компании уметь получать результаты за 2 секунды, потратив сначала год на тренировки.

#CADLM #machinelearning

https://wp.me/p9vWYY-2lc

by GlukRazor

ИИ начинает поглядывать в сторону CAE
#CFD #Engys #machinelearning
by GlukRazor