Vi udvikler avancerede statistiske og maskinlæringsrammer til at håndtere usikkerhed og kompleksitet inden for strukturdynamik.
Vil du vide mere?
- Vi introducerer hierarkiske bayesiske modeller til identifikation af ikke-stationære systemer, hvilket muliggør robust parameterestimering under driftsmæssige variationer.
- Vi integrerer gaussisk procesregression, tensorbaserede tilgange og fysikbaseret læring for at forbedre forudsigelsesnøjagtigheden og kvantificeringen af usikkerheden.
- Disse metoder danner grundlag for anvendelser såsom digitale tvillinger, virtuel sensing og tilstandsovervågning og leverer skalerbare løsninger til virkelige tekniske systemer.