کاربرد یادگیری عمیق سلسله مراتبی کاهش یافته در تحلیل سازه ها با روش جزء محدود
Publish place: 13th International Congress on Civil Engineering
Publish Year: 1402
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 71
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCE13_425
تاریخ نمایه سازی: 23 آذر 1402
Abstract:
اخیرا پژوهشگران راهکار یادگیری عمیق سلسله مراتبی کاهش یافته را براساس تانسور تنش ارایه نمودهاند. این فن مزیت روشهای تانسور تنش وشبکه عصبی سلسله مراتبی معمول را دارد. افزون بر این ، نسبت به روش جزءمحدود و تجزیه تعمیم یافته معمول، این راهکار به دلیل داشتن سازگاری بالاتر شبکه ، پاسخ دقیق تری را در تحلیل سازهها در اختیار قرار می دهد. همچنین نیاز روش یادگیری عمیق سلسله مراتبی کاهش یافته به درجه آزادی کمتر،در مقایسه با فن جزء محدود، کارآیی بالای روش ارایه شده برای محاسبات سنگین رابه اثبات می رساند. از سوی دیگر، بر روی ترکیب روشهای شبکه عصبی سلسله مراتبی معمول و تجزیه تعمیم یافته معمول نیز پژوهش هایی انجام گرفته است . این ترکیب با وجود آنکه نسبت به روشهای تانسور تنش ، تجزیه تعمیم یافته معمول و جزء محدود توانمندتر است اما پاسخ هایی با دقت پایین تر نسبت به راهکار یادگیری عمیق سلسله مراتبی کاهش یافته نتیجه می دهد. در این مقاله مثالی برای اثبات برتری راهکار یادگیری عمیق سلسله مراتبی کاهش یافته نسبت به روشهای دیگر ذکرشده است .
Keywords:
Authors
مجید یعقوبی
استادیار، گروه مهندسی عمران، دانشکدهی فنی و مهندسی، دانشگاه تربت حیدریه
داوود انصاریان
دانشجوی کارشناسی ارشد سازه، دانشکدهی فنی و مهندسی، دانشگاه تربت حیدریه