مقایسه روش ماشین بردار پشتیبان و شبکه عصبی تابع بنیادی شعاعی در عیب یابی سازه ها

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 966

This Paper With 9 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCCE07_1088

تاریخ نمایه سازی: 16 مهر 1392

Abstract:

طراحی یک سیستم هوشمند جهت عیب یابی و بررسی سلامت سازه ها به منظور جلوگیری از صدماتی که در آینده ممکن است رخ دهد، بسیار حائز اهمیت می باشد. در این تحقیق، از روش ماشین بردار پشتیبان (SVM) برای طراحی سیستم عیب یابی هوشمند سازه ها استفاده شده است. وظیفه سیستم عیب یاب، شناسایی محل و میزان آسیب ها در سازه ها می باشد. آسیب در سازه ها توسط کاهش سختی مدل شده و همچنین ازتغییرات فرکانس های سازه به عنوان ورودی سیستم عیب یاب استفاده می گردد. برای مقایسه کارایی سیستم مبتنی بر SVM ، نتایج حاصله از آن با سیستم مشابه مبتنی بر شبکه عصبی تابع بنیادی شعاعی (RBF) مقایسه شده است. نتایج بیانگر دقت بیشتر SVM نسبت به شبکه عصبی RBF در عیب یابی سازه ها، حتی در صورت وجود نویز در داده ها، می باشد

Keywords:

عیب یابی سازه ها , محل و شدت آسیب , ماشین بردار پشتیبان , شبکه عصبی تابع بنیادی شعاعی

Authors

رامین قیاسی

دانشجوی کارشناسی ارشد سازه، دانشگاه شهید باهنر کرمان، ایران

پیمان ترک زاده

استادیار بخش مهندسی عمران، دانشگاه شهید باهنر کرمان، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • damage detection by a sensitivity and Structuralه [1] Messina A., ...
  • Wasserman Pر (1993), "Advanced Method in Neural Computing", Prentice Hall ...
  • solving algorithm: A novel sensitivity- Suubsetه [15] S. S. Naseralavi, ...
  • Wang X, Hu N., Fukunaga H. and Yao Z.H. (2001), ...
  • S. W. Doebling, C. R. Farrar and M B. Prime ...
  • M. A. Mahmoud and M. A. Abu Kiefa (1999), "Neural ...
  • Z.-X. Li and X.-M. Yang (2008), "Damage identification for beams ...
  • VAPNIK (1998), "Statistical learning theory", New York: Wiley. ...
  • N.Cristianini, J. Shawe-Taylor (2000), _ Introduction o Support Vector Machines ...
  • M. Farooq, H. Zheng, a. Nagabhushana, S. Roy, S. Burkett, ...
  • S. Sharma (2008), "Application of Support Vector Machines for Damage ...
  • Fausett L. (1994), «Fundamental of Neural Networks", Prentice Hall Company, ...
  • Suykens JAK, Vandewalle J (1999), "Least Squares Support Vector Machine ...
  • S. S. Keerthi, S. Sundararajan, K.-W. Chang, C.-J. Hsieh, and ...
  • نمایش کامل مراجع