CSMA 2022

Une méthode mixte IA/"Inherent Strain" pour prédire les déformations en fabrication additive
Nicolas Pistenon  1, *, @  , Hilal Sami  2, 3, @  , Sofiane Hendili  4, @  , Djamel Missoum Benziane  5, @  , Pierre Kerfriden  6, *, @  
1 : MINES ParisTech, PSL Research University, MAT –Centre des matériaux, CNRS UMR 7633
MINES ParisTech - École nationale supérieure des mines de Paris
BP 87 91003 Evry, France -  France
2 : MINES ParisTech, PSL Research University, MAT –Centre des matériaux, CNRS UMR 7633
MINES ParisTech - École nationale supérieure des mines de Paris
BP 87 91003 Evry, France -  France
3 : Performance, Risque Industriel, Surveillance pour la Maintenance et l'Exploitation
EDF
4 : Performance, Risque Industriel, Surveillance pour la Maintenance et l'Exploitation  (EDF R&D PRISME)
EDF
5 : MINES ParisTech, PSL Research University, MAT –Centre des matériaux, CNRS UMR 7633
MINES ParisTech - École nationale supérieure des mines de Paris
BP 87 91003 Evry, France -  France
6 : MINES ParisTech, PSL Research University, MAT –Centre des matériaux, CNRS UMR 7633
MINES ParisTech - École nationale supérieure des mines de Paris
BP 87 91003 Evry, France -  France
* : Auteur correspondant
Type : : Résumé étendu (présentation orale ou poster)
Thématiques : MS2: Deep learning, simulation temps réel et réduction de modèles
Mots-Clés : Apprentissage profond ; champs de déformation ; série temporelle
PDF version :  PDF version
Personnes connectées : 1 Vie privée
Chargement...