یازدهمین کنگره ملی سراسری فناوریهای نوین در حوزه توسعه پایدار ایران (نمایه ISC)
تاریخ برگزاری : 15 اسفند ماه 1400
بررسی عملکرد شبکه عصبی مصنوعی همگشتی در شناسایی آسیب در سازه های خرپایی
سعید سبحانی قهرمانلو , آلا دهرویه , علی بیگلری
هدف اصلی تکنیک‌های ML تولید خودکار دانش برای سیستم‌ها می‌باشد. حجم روزافزون پایگاه‌های اطلاعاتی فرصت‌هایی را برای تکنیک‌های پیشرفته تجزیه و تحلیل داده‌ها از تحقیقات یادگیری ماشین ML فراهم می‌کند. با پیشرفت‌های اخیر در فناوری سنجش غیرتماسی مانند دوربین‌ها، وسایل نقلیه هوایی و زمینی بدون سرنشین، جامعه نظارت بر سلامت سازه SHM شاهد رشد چشمگیری در روش‌های ارزیابی مبتنی بر یادگیری عمیق سیستم‌های ساختاری بوده است. این روش‌های یادگیری عمیق در درجه اول به شبکه‌های عصبی همگشتی CNN متکی هستند. شبکه‌های CNN با استفاده از تعداد زیادی مجموعه داده برای انواع آسیب‌ها و تشخیص ناهنجاری و شناسایی پس از فاجعه آموزش دیده‌اند. سپس از شبکه‌های آموزش دیده به منظور تجزیه و تحلیل داده‌های جدیدتر برای شناسایی نوع و شدت آسیب استفاده می‌شود و قابلیت‌های سنسورهای غیر تماسی در توسعه سیستم‌های SHM مستقل را افزایش می‌دهد.. در این مقاله بررسی دقیق ادبیات تکنیک‌های مبتنی بر CNN موجود در زمینه ارزیابی شرایط سازه‌ای ارائه شده است.
پایش سلامت سازه، ساختمان هوشمند، هوش مصنوعی، شبکه عصبی مصنوعی، یادگیری عمیق.
برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :
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:
, 1400 , بررسی عملکرد شبکه عصبی مصنوعی همگشتی در شناسایی آسیب در سازه های خرپایی , یازدهمین کنگره ملی سراسری فناوریهای نوین در حوزه توسعه پایدار ایران (نمایه ISC)
تاریخ برگزاری : 15 اسفند ماه 1400