معرفی و بررسی کاربردهای یادگیری فعال، یادگیری تقویتی و یادگیری انتقالی در مهندسی عمران

چکیده مقاله

علم و زیر شاخه های هوش مصنوعی بسیار متنوع و گسترده می باشد در این بین، سه مورد یادگیری فعال، یادگیری تقویتی و یادگیری انتقالی کمتر در پژوهش ها مورد توجه قرار گرفته است یادگیری فعال با انتخاب هوشمندانه داده های کلیدی، فرآیندهایی مانند پایش سلامت سازه و بازرسی زیرساخت ها را بهینه می کند برای مثال، این روش می تواند به طور خودکار مهم ترین داده های حسگر را برای تشخیص دقیق ترک در یک پل تحلیل کند و نیاز به بررسی های گسترده را کاهش دهد از سوی دیگر، یادگیری تقویتی در حل مسائل پیچیده بهینه سازی، مانند مدیریت ترافیک شهری از طریق تنظیم پویای چراغ های راهنمایی یا بهینه سازی تخصیص منابع و زمان بندی در پروژه های ساخت وساز، کاربرد دارد این عامل هوشمند با آزمون و خطا بهترین استراتژی را برای کاهش هزینه ها و افزایش کارایی می آموزد همچنین، یادگیری انتقالی به عنوان یک رویکرد موثر، امکان استفاده از دانش کسب شده در یک حوزه را برای بهبود یادگیری در حوزه های جدید و مشابه فراهم می کند و با کاهش نیاز به داده های برچسب دار، آموزش مدل ها را سریع تر و کارآمدتر می سازد هدف این پژوهش معرفی و توضیح این روش ها است که کمتر به آن ها پرداخته شده و همچنین مروری بر کاربردهایشان در مهندسی سازه و ژئوتکنیک می باشد

کلیدواژه‌ها

نویسندگان

آبتین آبیاری علی آباد

دانشجوی دکتری، دانشگاه صنعتی شیراز، ایران

�بیاری علی آباد، آبتین،1404،معرفی و بررسی کاربردهای یادگیری فعال، یادگیری تقویتی و یادگیری انتقالی در مهندسی عمران،دوازدهمین کنفرانس بین المللی ایده های راهبردی در معماری، عمران و شهرسازی ایران،مشهد

ارائه‌شده در

مجموعه مقالات دوازدهمین کنفرانس بین المللی ایده های راهبردی در معماری، عمران و شهرسازی ایران27 اردیبهشت 1404 · مشهد