ارایه مدل مبتنی بر ماشین بردار پشتیبان جهت پیش بینی پاسخ دینامیکی دکل های مهاری تحت اثر نیروی زلزله

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 455

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICAUCAE01_0380

تاریخ نمایه سازی: 10 تیر 1396

چکیده مقاله:

دکل های مهاری بخش مهمی از زیر ساخت های سامانه ارتباطی هر کشور هستند بنابراین حفظ شرایط بهره برداری از آنها پس از رخدادهای طبیعی همچون زلزله بسیار حایز اهمیت است. در این مقاله به دنبال ارایه مدلی جهت پیش بینی پاسخ دینامیکی دکل های مهاری تحت اثر نیروی زلزله می باشیم که برای دستیابی به این هدف از یکی از تکنیک های یادگیری ماشین به نام ماشین بردار پشتیبانی که امروزه جهت مدلسازی پدیده های پیچیده مورد توجه محققین قرار گرفته است، استفاده می کنیم. در روش ماشین بردار پشتیبان از اصول کمینه سازی ریسک ساختاری (SRM) استفاده شده است، در حالی که سایر روش ها از اصول کمینه سازی ریسک تجربی (ERM) بهره می برند. ثابت شده است که اصول SRM در مقایسه با ERM عمل کرد بهتری از خود نشان می دهند.لازم به ذکر است از ماشین بردار پشتیبان به طور کلی در مسایل طبقه بندی دو یا چند گروهه و رگرسون استفاده می شود.

نویسندگان

کاوه کیومرثی

آموزشکده فنی وحرفه ای سما ،دانشگاه آزاد اسلامی، واحد شهرکرد ،شهرکرد،ایران

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 :
  • Amiri, G. G., Zahedi, M., and Jalali, R. S. .(2004). ...
  • Madugula, M. K. S., ed. (2002). "Dynamic Response of Lattice ...
  • Huang T.-M., Kecman V., Kopriva I.(2006). "Kernel Based Algorithms for ...
  • Vojislav Kecman. (200 1)."Learning and Soft Computing - Support Vector ...
  • نمایش کامل مراجع