عیب یابی سازه ها با استفاده از الگوریتم بهبود یافته ماشین یادگیری مبتنی بر تابع کرنل
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,763
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEUCONF04_126
تاریخ نمایه سازی: 10 تیر 1396
چکیده مقاله:
یکی از روش های عیب یابی در سازه ها استفاده از الگوریتم های مبتنی بر هوش مصنوعی می باشد از همین رو در این تحقیق از یکی از الگوریتم های هوش مصنوعی تحت عنوان Kernel Based Machine Learning Extreme(KELM (Function استفاده شده که قابلیت شناسایی محل و شدت اسیب در اعضای سازه را دارا می باشد. ورودی این الگوریتم تغییرات فرکانس طبیعی ناشی ازکاهش سختی اعضا به منظور مدل سازی خرابی در سازه می باشد. همچنین برای بهبود عملکرد این الگوریتم در روند عیب یابی از الگوریتم بهینه سازی رقابت استعماری(ICA (جهت تعیین تابع کرنل مناسب و بهینه سازی پارامتر های موجود در این الگوریتم استفاده شده است. برای مقایسه کارایی و دقت این روش با روش مشابه (ELM (Machine Learning Extreme که مبتنی بر تابع فعال سازی می باشد دو مثال مورد بررسی قرار گرفته است که نتایج بیانگر دقت بالاتر الگوریتم پیشنهادی (IKELM (KELM-ICA نسبت به الگوریتم ELM می باشد.
کلیدواژه ها:
نویسندگان
سجاد حکیمی
دانشجوی کارشناسی ارشد سازه بخش مهندسی عمران دانشکده فنی و مهندسی دانشگاه شهید باهنر کرمان
پیمان ترکزاده
استادیار بخش مهندسی عمران دانشکده فنی و مهندسی دانشگاه شهید باهنر کرمان
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 :