ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

مقایسه روش ماشین بردار پشتیبان و شبکه عصبی تابع بنیادی شعاعی در عیب یابی سازه ها

سال انتشار: 1392
کد COI مقاله: NCCE07_1088
زبان مقاله: فارسیمشاهده این مقاله: 575
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقایسه روش ماشین بردار پشتیبان و شبکه عصبی تابع بنیادی شعاعی در عیب یابی سازه ها

رامین قیاسی - دانشجوی کارشناسی ارشد سازه، دانشگاه شهید باهنر کرمان، ایران
پیمان ترک زاده - استادیار بخش مهندسی عمران، دانشگاه شهید باهنر کرمان، ایران

چکیده مقاله:

طراحی یک سیستم هوشمند جهت عیب یابی و بررسی سلامت سازه ها به منظور جلوگیری از صدماتی که در آینده ممکن است رخ دهد، بسیار حائز اهمیت می باشد. در این تحقیق، از روش ماشین بردار پشتیبان (SVM) برای طراحی سیستم عیب یابی هوشمند سازه ها استفاده شده است. وظیفه سیستم عیب یاب، شناسایی محل و میزان آسیب ها در سازه ها می باشد. آسیب در سازه ها توسط کاهش سختی مدل شده و همچنین ازتغییرات فرکانس های سازه به عنوان ورودی سیستم عیب یاب استفاده می گردد. برای مقایسه کارایی سیستم مبتنی بر SVM ، نتایج حاصله از آن با سیستم مشابه مبتنی بر شبکه عصبی تابع بنیادی شعاعی (RBF) مقایسه شده است. نتایج بیانگر دقت بیشتر SVM نسبت به شبکه عصبی RBF در عیب یابی سازه ها، حتی در صورت وجود نویز در داده ها، می باشد

کلیدواژه ها:

عیب یابی سازه ها، محل و شدت آسیب، ماشین بردار پشتیبان، شبکه عصبی تابع بنیادی شعاعی

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا NCCE07_1088 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/217080/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
قیاسی، رامین و ترک زاده، پیمان،1392،مقایسه روش ماشین بردار پشتیبان و شبکه عصبی تابع بنیادی شعاعی در عیب یابی سازه ها،هفتمین کنگره‌ ملی مهندسی عمران،زاهدان،https://civilica.com/doc/217080

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1392، قیاسی، رامین؛ پیمان ترک زاده)
برای بار دوم به بعد: (1392، قیاسی؛ ترک زاده)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • damage detection by a sensitivity and Structuralه [1] Messina A., ...
  • Wasserman Pر (1993), "Advanced Method in Neural Computing", Prentice Hall ...
  • solving algorithm: A novel sensitivity- Suubsetه [15] S. S. Naseralavi, ...
  • Wang X, Hu N., Fukunaga H. and Yao Z.H. (2001), ...
  • S. W. Doebling, C. R. Farrar and M B. Prime ...
  • M. A. Mahmoud and M. A. Abu Kiefa (1999), "Neural ...
  • Z.-X. Li and X.-M. Yang (2008), "Damage identification for beams ...
  • VAPNIK (1998), "Statistical learning theory", New York: Wiley. ...
  • N.Cristianini, J. Shawe-Taylor (2000), _ Introduction o Support Vector Machines ...
  • M. Farooq, H. Zheng, a. Nagabhushana, S. Roy, S. Burkett, ...
  • S. Sharma (2008), "Application of Support Vector Machines for Damage ...
  • Fausett L. (1994), «Fundamental of Neural Networks", Prentice Hall Company, ...
  • Suykens JAK, Vandewalle J (1999), "Least Squares Support Vector Machine ...
  • S. S. Keerthi, S. Sundararajan, K.-W. Chang, C.-J. Hsieh, and ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    کدام مقالات به این منبع استناد نموده اند

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 16,666
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی