Моделирование реальных физических или технических механических систем включает широкое использование программных пакетов, которые в основном базируются на методе конечных элементов для решения краевых задач. Последние достижения в области алгоритмов машинного обучения и их успешное применение в различных областях демонстрируют, что при правильном обучении эти модели могут значительно улучшить традиционные методы. В данной работе предложена и апробирована архитектура нейронной сети прямого распространения для моделирования прогибов тонкой пластины под действием равномерно распределенной нагрузки.

Modeling of real physical or technical mechanical systems
involves the widespread use of software packages, which are mainly based on the finite element method for solving boundary value problems. Recent advances in machine learning algorithms and their successful application in various fields demonstrate that, with proper training, these models can significantly improve traditional methods. In paper, we propose and test the architecture of a direct distribution neural network for modeling deflections of a thin plate under the action of a uniformly distributed load.

The paper proposes the architecture of a convolutional neural network for classification of digital images of the thyroid gland obtained using a laser confocal microscope. The possibility of using single-board computers as a basis for building a full-fledged device for classifying images with high mobility and versatility is being considered. The process of preparing data for training and comparing existing single-board computers available.