Belgif Linked Data Fragments server

Matches in Data.gov.be for { <http://data.gov.be/.well-known/genid/dataset/kulrdr/doi-10-48804/ALMEEP> ?p ?o ?g. }

• ALMEEP accessRights PUBLIC @default.
• ALMEEP bibliographicCitation "Vervenne, Thibault, 2024, "Supplementary materials for: Constitutive neural networks for main pulmonary arteries: Discovering the undiscovered", https://doi.org/10.48804/ALMEEP, KU Leuven RDR, V4" @default.
• ALMEEP contributor 164fea555bc0a3fe98893acabaa450f64a2824c9 @default.
• ALMEEP contributor 3ba29ac799e2e51131e79d60884bb1ceb7708510 @default.
• ALMEEP contributor 683d20f6c6f23f9c1e0851b35e3f725262584fe3 @default.
• ALMEEP created "2025-05-05T09:33:00Z" @default.
• ALMEEP creator 0000-0001-9218-2195 @default.
• ALMEEP description "Cet ensemble de données dans le référentiel de données de recherche de KU Leuven est le matériel supplémentaire pour le document de recherche intitulé "Réseaux neuronaux constitutifs pour les artères pulmonaires principales: Découverte de l'inconnu ». Auteurs : Thibault Vervenne (KU Leuven), Nele Famaey (KU Leuven), Ellen Kuhl (Université de Stanford) et Mathias Peirlinck (TU Delft). Référence : Vervenne, T., Peirlinck, M., Famaey, N. et coll. Réseaux neuronaux constitutifs des artères pulmonaires principales: Découverte de l'inconnu. Biomech Modèle Mechanobiol (2025). https://doi.org/10.1007/s10237-025-01930-1 Le jeu de données contient les données sources, le code, les résultats et un fichier readme.txt explicatif. readme.txt données\ étirement (F) et contrainte nominale (P) pour n = 8 échantillons, dans les directions axiale (11) et circonférentielle (22). code\ CANN4Artery_main_loop.py: exécutions de réseau neuronal spécifiques à l'échantillon de code principal, tous les angles de fibre, direction de la fibre fixe et ajustée CANN4Artery_main_all-in-one.py: code principal pour la sélection des caractéristiques de l'échantillon croisé, tous les angles de fibre, direction de la fibre fixe et ajustée ModèlesArtery_p.py: construire la fonction de densité d'énergie de déformation invariante + calculs de contrainte, ainsi que les modèles réduit et Holzapfel-Gasser-Ogden, pas de régularisation et régularisation L1 PlotArtery_p.py: tracer les résultats pour les séries spécifiques à l'échantillon de réseau de neurones PlotArtery_all.py: tracer les résultats pour la sélection des caractéristiques de l'échantillon croisé Python : 3.9.18 tensorflow : 2.10.0 pandas: 2.2.2 numpy : 1.26.4 matplotlib : 3.8.4 sklearn : 1.5.1 résultats\ results-sample-specific.xlsx: Feuille de calcul contenant les résultats pour les séries de réseaux neuronaux spécifiques à l'échantillon, tous les échantillons, tous les angles de fibre, la direction de la fibre fixe et ajustée, aucune régularisation et régularisation L1 Résultats-cross-sample.xlsx: Feuille de calcul contenant les résultats réseau de neurones pour la sélection de caractéristiques d'échantillonnage croisé, tous les angles de fibre, direction de fibre fixe et ajustée, pas de régularisation et régularisation L1 results-reduced.xlsx: Feuille de calcul contenant les résultats du réseau neuronal pour l'équation constitutive réduite, tous les angles de fibre, la direction de la fibre fixe et ajustée Résultats-hgo.xlsx: Feuille de calcul contenant les résultats du réseau neuronal pour l'équation constitutive de Holzapfel-Gasser-Ogden, tous les angles de fibre, direction de la fibre fixe et ajustée, + résultats classiques de l'ajustement des paramètres du matériau de Holzapfel-Gasser-Ogden" @default.
• ALMEEP description "Deze dataset in de onderzoeksdata repository van de KU Leuven is het aanvullende materiaal voor het onderzoeksdocument getiteld "Constitutive neural networks for main pulmonary arteries: Ontdek het onontdekte. Auteurs: Thibault Vervenne (KU Leuven), Nele Famaey (KU Leuven), Ellen Kuhl (Universiteit van Stanford) en Mathias Peirlinck (TU Delft). Aanhaling: Vervenne, T., Peirlinck, M., Famaey, N. et al. Constitutieve neurale netwerken voor de belangrijkste longslagaders: Ontdek het onontdekte. Biomech model Mechanobiol (2025). https://doi.org/10.1007/s10237-025-01930-1 De dataset bevat de brongegevens, code, resultaten en een verklarend readme.txt-bestand. readme.txt gegevens\ rek (F) en nominale spanning (P) voor n = 8 monsters, in axiale (11) en omtrek (22) richtingen. code\ CANN4Artery_main_loop.py: hoofdcode steekproef-specifieke looppas van neuraal netwerk, alle vezelhoeken, vaste en gepast vezelrichting CANN4Artery_main_all-in-one.py: hoofdcode voor de selectie van de dwarssteekproefeigenschap, alle vezelhoeken, vaste en gepast vezelrichting ModellenArtery_p.py: bouw de invariante spanningsenergie densitity functie + spanningsberekeningen, evenals de verminderde en Holzapfel-Gasser-Ogden modellen, geen regularisatie en L1-regularisatie PlotArtery_p.py: plot de resultaten voor sample-specifieke runs van neuraal netwerk PlotArtery_all.py: plot de resultaten voor cross-sample functie selectie Python: 3.9.18 tensorflow: 2.10.0 panda's: 2.2.2 numpy: 1.26.4 matplotlib: 3.8.4 sklearn: 1.5.1 resultaten\ resultaten-steekproef-specifiek.xlsx: spreadsheet met resultaten voor monsterspecifieke runs van neuraal netwerk, alle monsters, alle vezelhoeken, vaste en gemonteerde vezelrichting, geen regularisatie en L1-regularisatie resultaten-kruissteekproef.xlsx: spreadsheet met resultaten neuraal netwerk voor cross-sample functieselectie, alle vezelhoeken, vaste en gemonteerde vezelrichting, geen regularisatie en L1-regularisatie resultaten-verminderd.xlsx: spreadsheet met neurale netwerkresultaten voor verminderde constitutieve vergelijking, alle vezelhoeken, vaste en gemonteerde vezelrichting resultaten-hgo.xlsx: spreadsheet met neurale netwerkresultaten voor Holzapfel-Gasser-Ogden constitutieve vergelijking, alle vezelhoeken, vaste en gemonteerde vezelrichting, + klassieke Holzapfel-Gasser-Ogden materiaalparameter passende resultaten" @default.
• ALMEEP description "Dieser Datensatz im Forschungsdaten-Repository der KU Leuven ist das ergänzende Material für die Forschungsarbeit mit dem Titel "Konstitutive neuronale Netze für Hauptpulmonalarterien: Entdecken Sie das Unentdeckte. Verfasser: Thibault Vervenne (KU Leuven), Nele Famaey (KU Leuven), Ellen Kuhl (Stanford University) und Mathias Peirlinck (TU Delft). Bezugsvermerk: Vervenne, T., Peirlinck, M., Famaey, N. et al. Konstitutive neuronale Netze für die wichtigsten Lungenarterien: Entdecken Sie das Unentdeckte. Biomech Modell Mechanobiol (2025). https://doi.org/10.1007/s10237-025-01930-1 Der Datensatz enthält die Quelldaten, den Code, die Ergebnisse und eine erklärende Datei readme.txt. readme.txt Daten\ Dehnung (F) und Nennspannung (P) für n = 8 Proben in axialen (11) und umlaufenden (22) Richtungen. Code\ CANN4Artery_main_loop.py: Hauptcode Sample-spezifische Läufe des neuronalen Netzwerks, alle Faserwinkel, feste und angepasste Faserrichtung CANN4Artery_main_all-in-one.py: Hauptcode für probenübergreifende Funktionsauswahl, alle Faserwinkel, feste und angepasste Faserrichtung ModelleArtery_p.py: Aufbau der invarianten Dehnungsenergiedichtefunktion + Spannungsberechnungen sowie der reduzierten und Holzapfel-Gasser-Ogden-Modelle, keine Regularisierung und L1-Regularisierung PlotArtery_p.py: Zeichnen Sie die Ergebnisse für probenspezifische Läufe des neuronalen Netzwerks auf PlotArtery_all.py: Zeichnen Sie die Ergebnisse für die stichprobenübergreifende Feature-Auswahl auf Python: 3.9.18 Tensorflow: 2.10.0 Pandas: 2.2.2 numpy: 1.26.4 matplotlib: 3.8.4 sklearn: 1.5.1 Ergebnisse\ results-sample-specific.xlsx: Tabellenkalkulation mit Ergebnissen für probenspezifische Läufe des neuronalen Netzwerks, alle Proben, alle Faserwinkel, feste und angepasste Faserrichtung, keine Regularisierung und L1-Regularisierung Ergebnisse-cross-sample.xlsx: Tabellenkalkulation mit Ergebnissen neuronales Netzwerk für stichprobenübergreifende Funktionsauswahl, alle Faserwinkel, feste und angepasste Faserrichtung, keine Regularisierung und L1-Regularisierung Ergebnisse-reduziert.xlsx: Tabelle mit neuronalen Netzwerkergebnissen für reduzierte konstitutive Gleichung, alle Faserwinkel, feste und angepasste Faserrichtung Ergebnisse-hgo.xlsx: Tabelle mit neuronalen Netzwerkergebnissen für die konstitutive Holzapfel-Gasser-Ogden-Gleichung, alle Faserwinkel, feste und angepasste Faserrichtung, + klassische Holzapfel-Gasser-Ogden-Materialparameteranpassungsergebnisse" @default.
• ALMEEP description "This dataset in KU Leuven's research data repository is the supplementary materials for the research paper entitled "Constitutive neural networks for main pulmonary arteries: Discovering the undiscovered". Authors: Thibault Vervenne (KU Leuven), Nele Famaey (KU Leuven), Ellen Kuhl (Stanford University) and Mathias Peirlinck (TU Delft). Citation: Vervenne, T., Peirlinck, M., Famaey, N. et al. Constitutive neural networks for main pulmonary arteries: discovering the undiscovered. Biomech Model Mechanobiol (2025). https://doi.org/10.1007/s10237-025-01930-1 The dataset contains the source data, code, results, and an explanatory readme.txt file. readme.txt data\ stretch (F) and nominal stress (P) for n = 8 samples, in axial (11) and circumferential (22) directions. code\ CANN4Artery_main_loop.py: main code sample-specific runs of neural network, all fiber angles, fixed and fitted fiber direction CANN4Artery_main_all-in-one.py: main code for cross-sample feature selection, all fiber angles, fixed and fitted fiber direction ModelsArtery_p.py: build the invariant strain energy densitity function + stress calculations, as well as the reduced and Holzapfel-Gasser-Ogden models, no regularization and L1 regularization PlotArtery_p.py: plot the results for sample-specific runs of neural network PlotArtery_all.py: plot the results for cross-sample feature selection Python: 3.9.18 tensorflow: 2.10.0 pandas: 2.2.2 numpy: 1.26.4 matplotlib: 3.8.4 sklearn: 1.5.1 results\ results-sample-specific.xlsx: spreadsheet containing results for sample-specific runs of neural network, all samples, all fiber angles, fixed and fitted fiber direction, no regularization and L1 regularization results-cross-sample.xlsx: spreadsheet containing results neural network for cross-sample feature selection, all fiber angles, fixed and fitted fiber direction, no regularization and L1 regularization results-reduced.xlsx: spreadsheet containing neural network results for reduced constitutive equation, all fiber angles, fixed and fitted fiber direction results-hgo.xlsx: spreadsheet containing neural network results for Holzapfel-Gasser-Ogden constitutive equation, all fiber angles, fixed and fitted fiber direction, + classical Holzapfel-Gasser-Ogden material parameter fitting results" @default.
• ALMEEP identifier "doi:10.48804/ALMEEP" @default.
• ALMEEP issued "2025-05-06T09:22:18Z" @default.
• ALMEEP modified "2025-05-06T09:22:18Z" @default.
• ALMEEP publisher 0419052173 @default.
• ALMEEP title "Aanvullende materialen voor: Constitutieve neurale netwerken voor de belangrijkste longslagaders: Ontdek het onontdekte" @default.
• ALMEEP title "Ergänzende Materialien für: Konstitutive neuronale Netze für die wichtigsten Lungenarterien: Das Unentdeckte entdecken" @default.
• ALMEEP title "Matériel supplémentaire pour: Réseaux neuronaux constitutifs des artères pulmonaires principales: Découverte de l'inconnu" @default.
• ALMEEP title "Supplementary materials for: Constitutive neural networks for main pulmonary arteries: Discovering the undiscovered" @default.
• ALMEEP citedBy genid68363 @default.
• ALMEEP type Dataset @default.
• ALMEEP contactPoint genid68365 @default.
• ALMEEP keyword "automated model discovery" @default.
• ALMEEP keyword "cardiovascular tissue" @default.
• ALMEEP keyword "collagen fiber distribution" @default.
• ALMEEP keyword "constitutive artificial neural networks" @default.
• ALMEEP keyword "main pulmonary arteries" @default.
• ALMEEP landingPage ALMEEP @default.
• ALMEEP theme TECH @default.
• ALMEEP version "4" @default.
• ALMEEP isFundedBy genid68364 @default.