part1,2,3 에서는 변형전과 후를 비교하기 위해서, material coordinate(before deformation) spatial coordiante(after deformation) 을 정의하였다. 지금까지는 공간변화에

지난 시간에 Deformation Gradient Tensor(F), Cauchy Green tensor(C,B)에 대해서 분석해보았다. 이번에는 strain tensor즉. 길이변화에 관한 tensor들을 정의해보자. 지금까지 정의

Ch1 Kinematics-part2 (F,C) 위 식의 우항을 dX로 묶으면 다음과 같이 표현 가능하다. 여기서 연속체역학에서 가장 기본적이고 중요한 tensor 가 등장한다. 바로 dX(t = 0 길이벡터, 변형전 길이벡터) 를

연속체 역학은 크게 3가지 부류로 나뉜다. 1. The study of motion and deformation (Kinematics) 2. The study of stress in Continuum (Stress) 3. Fundam

마지막 case를 분석해보자. 이번에는 오른쪽으로 속도가 다른 두 유체가 흐르고 있다. 그리고 그 사이의 interface 근처에서 boundary layer가 형성 될 것이다. 우리의 목적은 boundar layer 안에서 즉, i

Ch6 Boundary layer theory part5 - Wake 지난시간에, boundary layer equation이 적용될수 있는 다른 상황들 중 Jet flow에 대해서 분석해보았다. 이번에는 Wake 에 대해서 분석해보

Boundary layer part1,2,3 (이전 블로그) 들을 돌이켜 보면, 결국에는, Boundary layer eqution 을 시작으로, 어떠한 geometry에서, exact solution or experiment par

지난 시간에는 flat plate에서의 boundary layer equation을 분석하여, blasius solution을 유도하였다. 이번에는, Ue = Ue(x) 즉, 상수가 아니라 x에 따른 함수 라고 설정하고 boundar

이전 포스터 부터, 우리는 boundary layer에 대해서 수학적으로 분석하고 있다. boundary layer thickness가 굉장히 얇다는 가정 -> Order of Magniutde를 활용하여 다음의 Boundary la

고체 surface위를 유체가 흐르는 경우, no-slip boundary condition (속도 = 0 on the surface) + 점성효과로 인하여, 고체 표면 근처에서 속도장은 Free stream Velocity (U∞)

지금까지, generator 개념을 제외하고는 전부, supervised Learning 에 대해서 다루었다 즉, 어떤 모델을 가지고 있는 input output pair data 를 가지고 학습시키는 방식이다. 하지만, 실제 dee

Recurrent Neural Network(RNN) & LSTM 지금까지 많은 Neueral Network 구조 들에 대해서 배워왔다. 모든 network들은 살펴보면, 각각의 특정 목적에 맞게 설계되었다. 이번에는 time - s