Agregacja bazodanowa i nauczanie głębokie systemu do zarządzania obiektami mostowymi w Polsce
W pierwszym przykładzie obliczeniowym przedmiotem predykcji są przemieszczenie pionowe, w drugim jest to spodziewana niedokładność modelu MES względem przyszłych pomiarów in situ (iloraz ugięć in situ do MES). W obu przykładach posłużono się trzema architekturami sieci neuronowych, zgodnymi z rys. 3.
Funkcja aktywacji w warstwie/warstwach pośrednich to zgodnie z wytycznymi [12] funkcja w postaci tzw. „prostowanej jednostki liniowej” (Recified Linear Unit – ReLU):
ReLU (z) = max (0, z) (1)
Dane uczące pochodzą z rzeczywistych pomiarów in situ na 11 obiektach omawianego typu. Neurony wejściowe reprezentują odpowiednio: (1) rozpiętości przęsła bezpośrednio obciążonego, (2) ukos konstrukcji, (3) osiowy moment bezwładności dźwigarów, (4) szerokości jedni, (5-6) szerokości kap chodnikowych, (7) teoretyczny moduł sprężystości betonu dźwigara. W przykładzie drugim dotyczącym spodziewanych różnic pomiędzy pomiarami rzeczywistymi [...]
którzy są subskrybentami naszego portalu.
i ciesz się dostępem do bazy merytorycznej wiedzy!
