CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

مقایسه الگوریتم های ماشین بردار پشتیبان حداقل مربعات، سیستم استنتاج فازی عصبی تطبیقی، شبکه عصبی تابع بنیادی شعاعی و بزرگترین مرز نزدیکترین همسایگی در عیب یابی سازه ها

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۳۱۲ | نظرات: ۱
سرفصل ارائه مقاله: سازه و عمران
سال انتشار: ۱۳۹۴
کد COI مقاله: ICOHACC01_236
زبان مقاله: فارسی
حجم فایل: ۵۵۲.۲۲ کلیوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله مقایسه الگوریتم های ماشین بردار پشتیبان حداقل مربعات، سیستم استنتاج فازی عصبی تطبیقی، شبکه عصبی تابع بنیادی شعاعی و بزرگترین مرز نزدیکترین همسایگی در عیب یابی سازه ها

  رامین قیاسی - دانشجوی دکتری مهندسی عمران و مدرس دانشگاه آزاد اسلامی واحد خواف، دانشگاه سیستان و بلوچستان، زاهدان، ایران
  محمد رضا قاسمی - دانشیار گروه مهندسی عمران دانشگاه سیستان و بلوچستان، دانشگاه سیستان و بلوچستان، زاهدان، ایران
  یاسر بینایی - دانشجوی دکترای مهندسی کامپیوتر و مدرس دانشگاه آزاد اسلامی واحد خواف ، دانشگاه آزاد اسلامی واحد فردوس، فردوس، ایران
  حمید رضا غفاری - استادیار گروه مهندسی کامپیوتر دانشگاه آزاد فردوس، دانشگاه آزاد اسلامی واحد فردوس، فردوس، ایران

چکیده مقاله:

امروزه استفاده از الگوریتم های مبتنی بر هوش مصنوعی در زمینه عیب یابی سازه ها مورد توجه بسیاری از محققین قرار گرفته است. در این تحقیق جهت تشخیص عیوب چندگانه در سیستم های سازه ای، چهار الگویتم هوش مصنوعی درون یاب مورد مقایسه قرار گرفته است . بدین منظور ، از الگوریتم های ماشین بردار پشتیبان حداقل مربعات(LS-SVM) سیستم استنتاج فازی عصبی تطبیقی، (ANFIS)، شبکه عصبی تابع بنیادی شعاعی (RBFNN) و بزرگترین مرز نزدیکترین همسایگی (LMNN) برای طراحی سیستم عیب یابی هوشمند سازه ها استفاده شده است. وظیفه سیستم عیب یاب، شناسایی محل و میزان آسیب در سازه ها می باشد. آسیب در سازه ها توسط کاهش سختی مدل شده و همچنین از تغییرات فرکانس های سازه به عنوان ورودی سیستم عیب یاب استفاده می گردد.. به منظور ارزیابی عملکرد روش پیشنهادی، مثالهای عددی حل شده و نتایج بیانگر دقت بیشتر LS-SVM نسبت به سایر الگوریتم های مورد بررسی در این پژوهش جهت عیب یابی سازه ها می باشد.

کلیدواژه‌ها:

عیب یابی ساز هها ، الگوریتم LS-SVM ، الگوریتم ANFIS ، شبکه عصبی RBF ، الگوریتم LMNN

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ICOHACC01-ICOHACC01_236.html
کد COI مقاله: ICOHACC01_236

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
قیاسی, رامین؛ محمد رضا قاسمی؛ یاسر بینایی و حمید رضا غفاری، ۱۳۹۴، مقایسه الگوریتم های ماشین بردار پشتیبان حداقل مربعات، سیستم استنتاج فازی عصبی تطبیقی، شبکه عصبی تابع بنیادی شعاعی و بزرگترین مرز نزدیکترین همسایگی در عیب یابی سازه ها، کنفرانس بین المللی انسان، معماری، عمران و شهر، تبریز، مرکز مطالعات راهبردی معماری و شهرسازی، https://www.civilica.com/Paper-ICOHACC01-ICOHACC01_236.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (قیاسی, رامین؛ محمد رضا قاسمی؛ یاسر بینایی و حمید رضا غفاری، ۱۳۹۴)
برای بار دوم به بعد: (قیاسی؛ قاسمی؛ بینایی و غفاری، ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • مقایسه روش ماشین بردار پشتیبان و شبکه عصبی تابع بنیادی شعاعی در عیب یابی سازه ها [مقاله کنفرانسی]
  • قیاسی، ر، ترکزاده، پ، فرخی، م. ۱۳۹۱.عیب یابی سازه های ... (مقاله کنفرانسی)
  • قیاسی، ر، ۱۳۹۲. عیب‌یابی سازه‌ها با استفاده از روشهای پیشرفته ...
  • فتح نجات، ح.، ترک زاده، _ و قیاسی، _ ۱۳۹۳. ... [مقاله کنفرانسی]
  • Damage Detection by Model Structuralه H. Fathnejat, P. Torkzadeh, E. ...
  • J. J. Lee, J. W. Lee, J. H. Yi, C. ...
  • Messina A., Wiliams E. J. and Contrusi T., Structural damage ...
  • R. Ghiasi, P. Torkzadeh, and M. Noori, :Structural damage detection ...
  • علم سنجی و رتبه بندی مقاله

    4.0
    ۱ تعداد پژوهشگران نظر دهنده
    5 0
    4 1
    3 0
    2 0
    1 0
    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۱۷
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.