본 논문은 기계적 하중으로 인한 변형 이력이 포함된 데이터셋에서 최적의 성능을 발휘하는 신경망(NN) 아키텍처를 조사합니다. 자연어 처리(NLP) 분야에서 순차 학습이 순환 기반 아키텍처에서 트랜스포머 기반 아키텍처로 전환된 것과 달리, 변형 국재화 예측에 있어 1D 합성곱, 순환, 트랜스포머 기반 아키텍처의 적합성을 평가합니다. 최적 성능을 보이는 NN 아키텍처의 예측 과정 수학적 계산과 변형 경로의 실제 물리적 특성에서 도출된 값 사이의 중요한 비호환성 문제를 자세히 조사합니다.
