matlab建立两个隐含层的代码-binary-classification-vMYield:Keras中的二元分类模型以近似v...

matlab建立两个隐含层的代码冯·米塞斯屈服的二元分类模型 近似von Mises屈服准则的Keras神经网络二元分类模型。 通过单击以下徽章在Google Colab中启动Jupyter笔记本： 概述 神经网络用于近似未知的底层函数，这些底层函数将一组输入映射到一个输出。 神经网络的通用逼近特性可确保包含足够数量但有限数量的神经元的前馈网络可以近似任何连续函数。 对于采用神经网络的大多数实际问题（例如，图像分类，物体检测，语音识别），用于将输入映射到输出的分析功能是未知的，并且/或者对于人类而言太复杂而无法概念化。 但是，在该存储库中，使用神经网络来近似一个相对简单（且已知）的函数。 该函数是在材料可塑性领域中广泛使用的冯·米塞斯屈服准则。 屈服准则（等式1）根据其应力状态确定金属之类的材料何时永久/塑性变形。 尽管存在冯·米塞斯屈服准则的表达式，但仍在尝试开发和拟合神经网络以使其近似。 使用的模型类型是用于二进制分类的完全连接的神经网络。 屈服问题可以解释为二元分类问题，因为等式中材料要么屈服（1）要么不屈服（0）。 1是分隔这两种情况的边界。 等式1：一般平面应力的冯·米塞斯屈