کاربرد یادگیری عمیق سلسله مراتبی کاهش یافته در تحلیل سازه ها با روش جزء محدود

چکیده مقاله

اخیرا پژوهشگران راهکار یادگیری عمیق سلسله مراتبی کاهش یافته را براساس تانسور تنش ارایه نمودهاند این فن مزیت روشهای تانسور تنش وشبکه عصبی سلسله مراتبی معمول را دارد افزون بر این ، نسبت به روش جزءمحدود و تجزیه تعمیم یافته معمول، این راهکار به دلیل داشتن سازگاری بالاتر شبکه ، پاسخ دقیق تری را در تحلیل سازهها در اختیار قرار می دهد همچنین نیاز روش یادگیری عمیق سلسله مراتبی کاهش یافته به درجه آزادی کمتر،در مقایسه با فن جزء محدود، کارآیی بالای روش ارایه شده برای محاسبات سنگین رابه اثبات می رساند از سوی دیگر، بر روی ترکیب روشهای شبکه عصبی سلسله مراتبی معمول و تجزیه تعمیم یافته معمول نیز پژوهش هایی انجام گرفته است این ترکیب با وجود آنکه نسبت به روشهای تانسور تنش ، تجزیه تعمیم یافته معمول و جزء محدود توانمندتر است اما پاسخ هایی با دقت پایین تر نسبت به راهکار یادگیری عمیق سلسله مراتبی کاهش یافته نتیجه می دهد در این مقاله مثالی برای اثبات برتری راهکار یادگیری عمیق سلسله مراتبی کاهش یافته نسبت به روشهای دیگر ذکرشده است

کلیدواژه‌ها

نویسندگان

مجید یعقوبی

استادیار، گروه مهندسی عمران، دانشکدهی فنی و مهندسی، دانشگاه تربت حیدریه

داوود انصاریان

دانشجوی کارشناسی ارشد سازه، دانشکدهی فنی و مهندسی، دانشگاه تربت حیدریه

یعقوبی، مجید و انصاریان، داوود،1402،کاربرد یادگیری عمیق سلسله مراتبی کاهش یافته در تحلیل سازه ها با روش جزء محدود،سیزدهمین کنگره بین المللی مهندسی عمران،تهران

ارائه‌شده در

مجموعه مقالات سیزدهمین کنگره بین المللی مهندسی عمران25 مهر 1402 · تهران