انتقادی بر کاربردها چالشها و جهت گیریهای آینده یادگیری عمیق در مهندسی سازه

یادگیری عمیق (DL) به عنوان یکی از اجزای اصلی هوش مصنوعی (AI) به عنوان یک فناوری تحول آفرین در حوزههای مختلف علمی از جمله مهندسی سازه شناخته میشود این مرور، انتقادی ظرفیت بالقوه یادگیری عمیق را در حل مسائل پیچیده مهندسی سازه آشکار میسازد؛ مسائلی همچون بهینه سازی طراحی سازه پیشبینی و پایش رفتار مصالح و پایش سلامت سازه ای در زمان واقعی از طریق معماریهای توسعه یافته شبکههای عصبی مانند شبکههای مولد رقابتی (GANS)، شبکههای عصبی بازگشتی (RNNS) و شبکههای عصبی کانولوشنی (CNN)، مهندسان قادرند راه حلهایی مبتنی بر استخراج دادههای سنتی و تعیین گرایانه شناسایی کنند با این حال چالشهایی نظیر نیازهای محاسباتی بالا تفسیر پذیری مدل و کمبود داده به طور گسترده مطرح اند. این مقاله مروری ضمن برجسته سازی پیشرفتهای اخیر کاربردهای عملی و محدودیتهای یادگیری عمیق در مهندسی سازه مسیرهایی را برای تحقیقات آینده با هدف ارتقای کارایی و ادغام بهتر این فناوری در شرایط واقعی ارائه میدهد.

کلیدواژه ها:

یادگیری ، عمیق یادگیری ، ماشین ، شبکههای عصبی ، مهندسی سازه ، پایش سلامت سازه ، بهینه سازی طراحی سازه