Fysisch-geleid transfer leren voor lichtgewicht structuurdynamica testen

Algoritmes voor Machinaal Leren worden succesvol toegepast in de context van schadedetectie en kunnen op een geautomatiseerde manier state-of-the-art resultaten opleveren. Echter, toepassingen in de experimentele structuurdynamica gaan vaak gepaard met een schaarste aan meetgegevens (in het bijzonder gelabelde data), die de succesvolle ontwikkeling van modellen voor Machinaal Leren kan bemoeilijken. Dit project heeft tot doel een oplossing te vinden voor deze uitdaging, specifiek voor lichtgewicht structuurdynamica toepassingen, door het ontwikkelen van methodes voor Transfer Leren die steunen op fysische domein kennis.