نمایش مختصر رکورد

dc.contributor.authorجوانمردی, رضاfa_IR
dc.contributor.authorاحمدی ندوشن, بهروزfa_IR
dc.date.accessioned1402-06-14T12:04:58Zfa_IR
dc.date.accessioned2023-09-05T12:04:59Z
dc.date.available1402-06-14T12:04:58Zfa_IR
dc.date.available2023-09-05T12:04:59Z
dc.date.issued2023-09-23en_US
dc.date.issued1402-07-01fa_IR
dc.date.submitted2022-09-04en_US
dc.date.submitted1401-06-13fa_IR
dc.identifier.citationجوانمردی, رضا, احمدی ندوشن, بهروز. (1402). بهینه سازی مبتنی بر قابلیت اعتماد چلیک های دولایه با استفاده از الگوریتم جستجوی الگو و شبکه عصبی بهینه شده به عنوان مدل جایگزین. نشریه مهندسی سازه و ساخت, 10(7)doi: 10.22065/jsce.2022.359507.2919fa_IR
dc.identifier.issn2476-3977
dc.identifier.issn2538-2616
dc.identifier.urihttps://dx.doi.org/10.22065/jsce.2022.359507.2919
dc.identifier.urihttps://www.jsce.ir/article_162437.html
dc.identifier.urihttps://iranjournals.nlai.ir/handle/123456789/1035474
dc.description.abstractدر این تحقیق، یک روش مبتنی بر مدل جایگزین شبکه عصبی بهینه شده برای حل مسائل بهینه سازی مبتنی بر قابلیت اعتماد سازه ها ارائه شده است.‌ ایده اصلی یافتن مدل جایگزینی است که در فضای متغیر ها به اندازه کافی تعمیم یافته باشد و همچنین در فرایند آموزش، دچار پدیده بیش برازش نشده باشد. به این ترتیب، ابتدا با استفاده از جعبه ابزارSM ، یک مجموعه داده از ورودی ها و خروجی های مساله ایجاد می شود. سپس یک مساله بهینه سازی برای به دست آوردن بهترین عملکرد شبکه عصبی حل می شود. متغیرهای طراحی در مرحله آموزش شبکه عصبی، تعداد لایه های تعریف شده در شبکه عصبی، تعداد نرون های هرلایه و نوع توابع انتقال در نظر گرفته شده اند. تابع هدف برابر با نسبت عملکرد که به صورت نسبت تعداد پارامترهای موجود در شبکه عصبی به تعداد اعضایی از مجموعه داده که در فرایند آموزش به کار می روند، تعریف می شود. در مرحله بعد، از الگوریتم جستجوی الگو برای حل مسائل بهینه سازی برمبنای قابلیت اعتماد استفاده شده است. برای نشان دادن کارایی روش ارائه شده، دو مثال عددی در نظر گرفته شده اند. در مثال نخست، یک خرپای ۱۰ عضوی دو بعدی و در مثال دوم، یک چلیک دو لایه ۸۳۲ عضوی مورد بررسی قرار گرفته اند. مثال اول برای هر دو حالت متغیرهای پیوسته و گسسته حل شده است. در مثال نخست، روش پیشنهادی ۳۲ برابر در حالت پیوسته و ۲۵ برابر در حالت گسسته سریع تر عمل کرده است. ( نسبت به حل مساله با مدل اصلی SAP 2000 و روش ابر مکعب لاتین).‌ در هر دو مثال، مدل جایگزین به دست آمده از روش پیشنهاد شده عملکرد مورد نظر در داده های اعتبار سنجی و آزمون را تامین کرده است.fa_IR
dc.format.extent2561
dc.format.mimetypeapplication/pdf
dc.languageفارسی
dc.language.isofa_IR
dc.publisherانجمن مهندسی سازه ایرانfa_IR
dc.publisherIranian Society of Structrual Engineering (ISSE)en_US
dc.relation.ispartofنشریه مهندسی سازه و ساختfa_IR
dc.relation.ispartofJournal of Structural and Construction Engineeringen_US
dc.relation.isversionofhttps://dx.doi.org/10.22065/jsce.2022.359507.2919
dc.subjectبهینه سازی مبتنی بر قابلیت اعتمادfa_IR
dc.subjectبهینه سازی چلیک دولایهfa_IR
dc.subjectشبکه عصبیfa_IR
dc.subjectبیش برازشfa_IR
dc.subjectSAP2000fa_IR
dc.subjectبهینه سازیfa_IR
dc.titleبهینه سازی مبتنی بر قابلیت اعتماد چلیک های دولایه با استفاده از الگوریتم جستجوی الگو و شبکه عصبی بهینه شده به عنوان مدل جایگزینfa_IR
dc.typeTexten_US
dc.typeعلمی - پژوهشیfa_IR
dc.contributor.departmentدانشجوی دکتری سازه، دانشکده مهندسی عمران، دانشگاه یزد، ایرانfa_IR
dc.contributor.departmentدانشیار، دانشکده مهندسی عمران، دانشگاه یزد، یزد، ایرانfa_IR
dc.citation.volume10
dc.citation.issue7
nlai.contributor.orcid0000-0002-2862-8874


فایل‌های این مورد

Thumbnail

این مورد در مجموعه‌های زیر وجود دارد:

نمایش مختصر رکورد