Documents disponibles écrits par cet auteur

Random Composites Characterization using a Classifier Model / Liu, H. in Journal of engineering mechanics, Vol. 133 N°2 (Fevrier 2007) 

Public ISBD [article]  in Journal of engineering mechanics > Vol. 133 N°2 (Fevrier 2007) . - 129-140 p. Titre : Random Composites Characterization using a Classifier Model Titre original : Caractérisation Aléatoire de Composés en Utilisant un Modèle de Classificateur Type de document : texte imprimé Auteurs : Liu, H., Auteur ; Arvid Naess, Editeur scientifique ; Igusa, T. ; Sanjay R. Arwade, Auteur Article en page(s) : 129-140 p. Note générale : Génie Mécanique Langues : Anglais (eng) Mots-clés : Microstructure  Decision  making  Damage  Fracture  Composite  materials  Uncertainty  principles  Statistics  Bayesian  analysis  Micro-structures  Prise  de  décision  Dommage  Rupture  Matières  composites  Principes  d'incertitude  Statistiques  Analyse  bayésienne Index. décimale : 620.1 Essais des matériaux. Défauts des matériaux. Protection des matériaux Résumé : A new method is introduced for characterizing and analyzing materials with random heterogeneous microstructure. The method begins with classifiers which process information from high-fidelity analyses of small-sized simulated microstructures. These classifiers are subsequently used in a multipass moving window to identify subregions of potentially critical microscale behavior such as strain concentrations. In the derivation of the method, it is shown how information theory-based concepts can be formulated in a Bayesian decision theory framework that addresses microstructural issues. Furthermore, it is shown how a sequence of classifiers can be constructed to refine the analysis of microstructure. While the method presented herein is general, a relatively simple example of a two-dimensional, two-phase composite is used to illustrate the analysis steps. Une nouvelle méthode est présentée pour caractériser et analyser des matériaux avec la structure micro hétérogène aléatoire. La méthode commence par les classificateurs qui l'information de processus des analyses de fidélité élevée des micro-structures simulées de petite taille. Ces classificateurs sont plus tard multi-employés dans une fenêtre mobile de passage pour identifier des subregions du comportement potentiellement critique de balance tels que des concentrations de contrainte. Dans la dérivation de la méthode, on lui montre comment des concepts basés de théorie de l'information peuvent être formulés dans un travail bayésien d'armature de théorie de décision qui adresse les questions micro-structurales. En outre, on lui montre comment un ordre des classificateurs peut être construit pour raffiner l'analyse de la micro-structure. Tandis que la méthode présentée ci-dessus est générale, un exemple relativement simple d'un composé bidimensionnel et biphasé est employé pour illustrer les étapes d'analyse. DEWEY : 620.1 ISSN : 0733-9399 En ligne : hliu@sdrengineering.com, arwade@ecs.umass.edu, tigusa@jhu.edu [article] Random Composites Characterization using a Classifier Model = Caractérisation Aléatoire de Composés en Utilisant un Modèle de Classificateur [texte imprimé] / Liu, H., Auteur ; Arvid Naess, Editeur scientifique ; Igusa, T. ; Sanjay R. Arwade, Auteur . - 129-140 p. Génie Mécanique Langues : Anglais (eng) in Journal of engineering mechanics > Vol. 133 N°2 (Fevrier 2007) . - 129-140 p. Mots-clés : Microstructure  Decision  making  Damage  Fracture  Composite  materials  Uncertainty  principles  Statistics  Bayesian  analysis  Micro-structures  Prise  de  décision  Dommage  Rupture  Matières  composites  Principes  d'incertitude  Statistiques  Analyse  bayésienne Index. décimale : 620.1 Essais des matériaux. Défauts des matériaux. Protection des matériaux Résumé : A new method is introduced for characterizing and analyzing materials with random heterogeneous microstructure. The method begins with classifiers which process information from high-fidelity analyses of small-sized simulated microstructures. These classifiers are subsequently used in a multipass moving window to identify subregions of potentially critical microscale behavior such as strain concentrations. In the derivation of the method, it is shown how information theory-based concepts can be formulated in a Bayesian decision theory framework that addresses microstructural issues. Furthermore, it is shown how a sequence of classifiers can be constructed to refine the analysis of microstructure. While the method presented herein is general, a relatively simple example of a two-dimensional, two-phase composite is used to illustrate the analysis steps. Une nouvelle méthode est présentée pour caractériser et analyser des matériaux avec la structure micro hétérogène aléatoire. La méthode commence par les classificateurs qui l'information de processus des analyses de fidélité élevée des micro-structures simulées de petite taille. Ces classificateurs sont plus tard multi-employés dans une fenêtre mobile de passage pour identifier des subregions du comportement potentiellement critique de balance tels que des concentrations de contrainte. Dans la dérivation de la méthode, on lui montre comment des concepts basés de théorie de l'information peuvent être formulés dans un travail bayésien d'armature de théorie de décision qui adresse les questions micro-structurales. En outre, on lui montre comment un ordre des classificateurs peut être construit pour raffiner l'analyse de la micro-structure. Tandis que la méthode présentée ci-dessus est générale, un exemple relativement simple d'un composé bidimensionnel et biphasé est employé pour illustrer les étapes d'analyse. DEWEY : 620.1 ISSN : 0733-9399 En ligne : hliu@sdrengineering.com, arwade@ecs.umass.edu, tigusa@jhu.edu