کاربرد شبکه هاي عصبی مصنوعی در طراحی سازه
از زمانی که در دهه 70 استفاده ازکامپیوترهاي محاسبه گر جاي خود را در مهندسی و محاسبات عددي باز کرده اند ، تحول عظیمی در روند مسائل مهندسی سازه بخصوصدر طراحی هاي طولانی و زمان بر به وجود آمده است. با این حال هنوز برخی از مسائل در طراحی وجود دارند که به علت پیچیدگی اطلاعات و یا نبود تئوري مدونی ، حتی به کمک کامپیوتر نیز براي رسیدن به جواب ، زمان طولانی صرف می شود. شبکه هاي عصبی مصنوعی ابزار قدرتمندي هستند که قادرند یک رابطه عمومی بین اطلاعات حجیم وپیچیده ناشی از آزمایشات و مثالهاي تجربی بدست آورند که در حل مسائل مشابه بدون صرف زمان زیادي مفید خواهند بود.
در سالیان اخیر شاهد حرکت مستمر از تحقیقات تئوري وکاربردي به خصوصدر زمینه پردازش اطلاعات ، براي مسائلی که براي آنها راه حل دقیقی موجود نیست و یا به راحتی قابل حل نیستند ، بوده ایم . با توجه به این امر ، علاقه فزآینده اي در توسعه تئوریک سیستم هاي دینامیکی هوشمند که مبتنی بر داده هاي تجربی هستند، ایجاد شده است . شبکه هاي عصبی مصنوعی جزء این دسته از سیستم هاي دینامیکی قرار دارند که با پردازش روي داده هاي تجربی ، دانش و یا قانون نهفته در وراي داده ها را به ساختار شبکه منتقل می کنند . به همین خاطر به این سیستم ها ، سیستم هاي هوشمند می گویند چرا که بر اساس محاسبات روي داده هاي عددي یا مثال ها ، قوانینی کلی را استخراج کرده و یاد گرفته اند
شبکه هاي عصبی مختلفی به منظور طراحی سازه به کار گرفته شده اند. از جمله مهمترین آنها شبکه چند لایه پرسپترون با الگوریتم یادگیري پس انتشار خطا است. شبکه هاي دیگري بدین منظور توسط محققین مختلف پیشنهاد شده است .در این نوشتار سعی شده است تا اندکی از کارایی ها و توانایی هاي این شبکه هاي مصنوعی معرفی شود.سپس در مورد مسائلی از طراحی سازه که توسط شبکه هاي عصبی مدل سازي و حل شده اند، بحث خواهد شد.
فهرست مطالب
فصل اول: مقدمه
1-1 انواع سیستم هاي هوشمند
1-1-1 سیستم هاي خبره
2-1-1 سیستم هاي فازي
3-1-1 شبکه هاي عصبی مصنوعی
فصل دوم: شبکه هاي عصبی مصنوعی
1-2 چگونگی پیدایش
2-2 ساختار شبکه عصبی
1-2-2 توابع تحریک
3-2 توانایی هاي شبکه عصبی
1-3-2 قابلیت یادگیري
2-3-2 قابلیت تعمیم دهی
3-3-2 مقاوم بودن شبکه در مقابل خطا
4-2 تاریخچه شبکه هاي عصبی
5-2 آموزش شبکه هاي عصبی
1-5-2 آموزش با ناظر
2-5-2 آموزش بدون ناظر
فصل سوم: انواع شبکه هاي عصبی
1-3 شبکه هاي عصبی پرسپترون
1-1-3 شبکه هاي پرسپترون چند لایه
2-1-3 قانون یادگیري پس انتشار خطا
2-3 شبکه آدلاین
3-3 شبکه عصبی انتشار متقابل
1-3-3 آموزش لایه اول
2-3-3 آموزش لایه دوم
40 RBF 4-3 شبکه
5-3 مدل عصبی عادلی و پارك
فصل چهارم: کاربرد شبکه عصبی در طراحی سازه
1-4 مقدمه
2-4 بهینه سازي سازه ها با استفاده از شبکه ها
4 پیش بینی مقاومت نهائی برش تیرهاي عمیق بتن مسلح دو سر ساده
4-4 بهینه سازي تیرهاي فولادي سرد نورد
5-4 بهینه سازي دالهاي بتن آرمه
1-5-4 مدل دینامیکی عصبی عادلی و پارك
6-4 سازه هاي فولادي سرد نورد فضاکار
7-4 بهینه سازي سازه هاي فولادي با وجود عدم قطعیت
8-4 کاربرد شبکه عصبی در سازه هاي بتنی
9-4 مدل هاي محاسبات عصبی در آنالیز و طراحی سازه ها
10-4 مدلسازي مدل اجزاء محدود پل راه آهن
فصل پنجم: نتیجه گیري
فهرست منابع
***************************************************************************************
در صورت تمایل
به دریافت فایل فوق در مدت 10 دقیقه ، لطفاً اینجا کلیک
کنید
***************************************************************************************
مشاوره ؛نگارش پایان نامه ؛ مقاله + شبیه سازی
در تمام مقاطع دانشگاهی پذیرفته می شود
در صورت
تمایل می توانید عنوان و جزئیات پروژه خود را در قسمت نظرات این پست
اعلام فرمایید. ضمنا می توانید اطلاعات درخواستی خود را به ایمیل یا تلگرام
نمایید
ایمیل :
com.dr@yahoo.com
درباره :
کاربرد نرم افزار MATLAB , سیستم های میراگر جرمی تنظیم شده , شبكه هاي عصبي ,
|