• 1‏-‏ فصل اول: مقدمه و مروری بر ادبیات موضوعی (18)
  • 1‏‏-‏1‏-‏ مقدمه (18)
    • 1‏‏-‏1‏-‏1‏-‏ تعریف ساختار مشبک (شبکهای) (18)
  • 1‏‏-‏2‏-‏ مرور مقالات (21)
    • 1‏‏-‏2‏-‏1‏-‏ پارامتریسازی هندسه و دیتاستهای موجود (21)
    • 1‏‏-‏2‏-‏2‏-‏ روش تجربی (24)
    • 1‏‏-‏2‏-‏3‏-‏ روش همگنسازی (29)
    • 1‏‏-‏2‏-‏4‏-‏ روش تحلیل/ المان تیر وخرپا (31)
    • 1‏‏-‏2‏-‏5‏-‏ روشهای داده محور (32)
  • 1‏‏-‏3‏-‏ اهمیت موضوع (35)
  • 1‏‏-‏4‏-‏ اهداف پژوهش (36)
  • 1‏‏-‏5‏-‏ جمع بندی (36)
• 2‏-‏ فصل دوم: مفاهیم پایه (38)
  • 2‏‏-‏1‏-‏ مقدمه (38)
  • 2‏‏-‏2‏-‏ مکانیک محیط پیوسته (38)
  • 2‏‏-‏3‏-‏ مبانی اجزا محدود (41)
  • 2‏‏-‏4‏-‏ مدلسازی چندمقیاسی (42)
  • 2‏‏-‏5‏-‏ مواد دارای ریزساختار (43)
  • 2‏‏-‏6‏-‏ سلول واحد و المان حجمی نماینده (43)
  • 2‏‏-‏7‏-‏ همگنسازی (46)
  • 2‏‏-‏8‏-‏ یادگیری ماشین (47)
    • 2‏‏-‏8‏-‏1‏-‏ رگرسیون (50)
    • 2‏‏-‏8‏-‏2‏-‏ یادگیری عمیق و شبکۀ عصبی (52)
    • 2‏‏-‏8‏-‏3‏-‏ مهندسی و استخراج مختصه (60)
• 3‏-‏ فصل سوم: ایجاد المانهای حجمی نماینده و همگنسازی (62)
  • 3‏‏-‏1‏-‏ مقدمه (62)
  • 3‏‏-‏2‏-‏ فرمولبندی همگنسازی (62)
  • 3‏‏-‏3‏-‏ اعمال شرط مرزی تناوبی (66)
  • 3‏‏-‏4‏-‏ پیادهسازی ایجاد هندسه و همگنسازی (76)
  • 3‏‏-‏5‏-‏ صحت سنجی همگنسازی (81)
• 4‏-‏ فصل چهارم: توسعه مدلهای یادگیری ماشین (90)
  • 4‏‏-‏1‏-‏ مقدمه (90)
  • 4‏‏-‏2‏-‏ معرفی کتابخانهها (90)
  • 4‏‏-‏3‏-‏ تعریف دادهها (91)
    • 4‏‏-‏3‏-‏1‏-‏ مهندسی مختصهها (91)
    • 4‏‏-‏3‏-‏2‏-‏ مختصهها برای مدل XGBoost (92)
    • 4‏‏-‏3‏-‏3‏-‏ مختصهها برای مدل شبکۀ عصبی (93)
    • 4‏‏-‏3‏-‏4‏-‏ مرتبسازی برچسبها (94)
  • 4‏‏-‏4‏-‏ مدلهای یادگیری ماشین (95)
    • 4‏‏-‏4‏-‏1‏-‏ مدل XGBoost (95)
      • 4‏-‏4‏-‏‏1-‏1‏-‏ درخت تصمیمگیری (95)
      • 4‏-‏4‏-‏‏1-‏2‏-‏ تقویت گرادیان تصادفی (97)
    • 4‏‏-‏4‏-‏2‏-‏ مدلهای شبکۀ عصبی (98)
      • 4‏-‏4‏-‏‏2-‏1‏-‏ شبکۀ عصبی با الهام از PointNet (98)
      • 4‏-‏4‏-‏‏2-‏2‏-‏ معماری شبکۀ عصبی با الهام از PointNet (98)
      • 4‏-‏4‏-‏‏2-‏3‏-‏ شبکۀ عصبی با الهام از مبدل نقطهای (100)
      • 4‏-‏4‏-‏‏2-‏4‏-‏ معماری شبکۀ عصبی با الهام از مبدل نقطهای (100)
      • 4‏-‏4‏-‏‏2-‏5‏-‏ شبکۀ عصبی بر اساس دادههای واکسلی (103)
• 5‏-‏ فصل پنجم: نتایج و ارزیابی مدلهای توسعه داده شده (104)
  • 5‏‏-‏1‏-‏ شاخص ارزیابی (104)
  • 5‏‏-‏2‏-‏ نتایج مدل XGBoost (104)
  • 5‏‏-‏3‏-‏ نتایج مدل الهام گرفته از PointNet (105)
  • 5‏‏-‏4‏-‏ نتایج مدل الهام گرفته از مبدل نقطهای (106)
    • 5‏‏-‏4‏-‏1‏-‏ بهترین ابرپارامترها بر اساس ارزیابی بر روی دادههای اعتبارسنجی (106)
    • 5‏‏-‏4‏-‏2‏-‏ تغییر معیارها بر حسب تعداد تکرار (epoch) (107)
    • 5‏‏-‏4‏-‏3‏-‏ نتایج معیارها برای دادههای تمرین، اعتبارسنجی و تست (107)
    • 5‏‏-‏4‏-‏4‏-‏ مقدار پیشبینی شده در مقابل مقدار واقعی (109)
• 6‏-‏ فصل ششم: بحث و نتیجهگیری و پیشنهادات (122)
  • 6‏‏-‏1‏-‏ بحث و نتیجهگیری در مورد نتایج مدل XGBoost (122)
  • 6‏‏-‏2‏-‏ بحث و نتیجهگیری در مورد نتایج مدل با الهام از PointNet (122)
  • 6‏‏-‏3‏-‏ بحث و نتیجهگیری در مورد نتایج مدل با الهام از مبدل نقطهای (122)
  • 6‏‏-‏4‏-‏ نتیجهگیری کلی (124)
  • 6‏‏-‏5‏-‏ پیشنهادات (125)
• 7‏-‏ مراجع (126)
• 8‏-‏ پیوستها (131)
  • 8‏‏-‏1‏-‏ پیوست الف: کد ایجاد هندسه اولیه (131)
  • 8‏‏-‏2‏-‏ پیوست ب: کد همگنسازی (133)
  • 8‏‏-‏3‏-‏ پیوست ج: کد آمادهسازی ثانویه دادهها برای ارائه به مدلهای شبکۀ عصبی (153)
  • 8‏‏-‏4‏-‏ پیوست د: کد مدل شبکۀ عصبی با الهام از مبدل نقطهای (154)
  • 8‏‏-‏5‏-‏ پیوست ه: کد مدل شبکۀ عصبی با الهام از PointNet (156)
  • 8‏‏-‏6‏-‏ پیوست و: کد محاسبه تاثیر ژاکوبین و ضرایب وزنی (157)