استفاده ازسیستمهای خودسازمانده درتعیین مقاومت فشاری بتن

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 751

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCEVSLL02_135

تاریخ نمایه سازی: 23 مهر 1391

چکیده مقاله:

دریک شبکه خودسازمان دهSelf Organization Feature Map واحدهای پردازش گردرگروه های یک شبکه یک بعدی دو بعدی یا بیشتر قرار داده می شوند واحدها دریک فرایند یادگیری رقابتی نسبت به الگوهای ورودی منظم می شوند محل واحدهای تنظیم شده درشبکه به گونه ای نظم می یابند که برا یویژگیهای ورودی یک دستگاه مختصات معنی دار روی شبکه ایجاد شود لذا یک نقشه خودسازمانده یک نقشه توپوگرافیک از الگوهای ورودی را تشکیل میدهد که درآن محل قرار گرفتن واحدها متناظر ویژگیهای ذاتی الگوهای ورودی است یادگیری رقابتی که دراین قبیل شبکه ها بکارگرفته می شود یادگیری بی نظارت می باشد دراین مقاله از 173 نمونه آزمایشگاهی بتن با خصوصیات مختلف استفاده شده است شبکه های مورد استفاده دراین تحقیق شبکه های خودسازمانده دارای وزن ثابت که شامل شبکه کوهونن می باشد بدین منظور پارامترهای اسلامپ نسبت آب به سیمان ماکزیمم اندازه شن مقدار ماسه و سیمان به عنوان ورودی درنظر گرفته شده و با استفاده از این مدل مقدار مقاومت فشاری بتن محاسبه می گردد.

نویسندگان

حسن سیاح پور

کارشناس ارشد مهندسی عمران سازه

مهدی نیکو

کارشناسی ارشدمهندسی عمران سازه

پنام زرفام

دکتری سازه

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • سلطانی.، صدوقی یزدی.ه، 1389، بهبود شبکه خود نمانده کوهون با ... [مقاله کنفرانسی]
  • سعادتمند طرزجان. م، اکرزاده توتونچی.، 1384، یک شبکه عصبی جدید ...
  • تشخیص الگویبی هنجار در سرشت لرزه خیزی [مقاله کنفرانسی]
  • قاسمی. ج، 1385، ترکیب شبکه های عصبی خود سازمانده و ...
  • Crescenzi, . and Kann, V. (1995). _ compendium of NNP ...
  • Fujimura, K.. Obu-Cann, K. and Tokutaku, H. (1999). "Optimization of ...
  • Fujimura, K., Fujiwaki, S., Kwaw, O. C. and Tokutaka, H. ...
  • Mehmet M. K. and Kamoun, A. F. (1993). :Neural networks ...
  • Onoyama, T., Maekawa, T., Kubota, S., Taniguchi, Y. and Tsuruta, ...
  • Chen.Kue Tsao, E., Bezdek, J. C., Pal, N.R., Fuzzy Kohonen ...
  • Elmalek, J., &, Tourki, R. A, speaker independent Arabic isolated ...
  • , Yanqing Yang, Zhenhong Jia, Chun Chang, Xizhong Qin, Tao ...
  • Xie, Weixin; Li, Wenhua, ; Gao, Xinbo, Fuzzy- Ko honen ...
  • Hsiao-Fan Wang, Intelligent Data Analysis: Developing New Methodologies Through Pattern ...
  • Andreas Tenhagen, Ulrich Sprekelmeyer, Wolfram-M. Lippe , On the combination ...
  • Jing TIAN, Ming-Hu Ha, Jun-Hua Li, Da-Zeng Tian, The Fuzzy- ...
  • نمایش کامل مراجع