Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Inverse FEM Analysis I: Stochastic Training of Neural Network

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26110%2F05%3APU54992" target="_blank" >RIV/00216305:26110/05:PU54992 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    čeština

  • Název v původním jazyce

    Inverse FEM Analysis I: Stochastic Training of Neural Network

  • Popis výsledku v původním jazyce

    The paper suggests a new approach of inverse analysis to obtain parameters of FEM computational model in order to obtain best agreement witch experimental data. The proposed inverse analysis approach is based on coupling of FEM computational model and the stochastic training of artificial neural network. Identification parameters play the role of basic random variables witch a scatter reflecting the physical range of possible values. Novelty of the approach is the utilization of efficient small-sample ssimulation method Latin Hypercube Sampling (LHS) used for training of neural network.

  • Název v anglickém jazyce

    Inverse FEM Analysis I: Stochastic Training of Neural Network

  • Popis výsledku anglicky

    The paper suggests a new approach of inverse analysis to obtain parameters of FEM computational model in order to obtain best agreement witch experimental data. The proposed inverse analysis approach is based on coupling of FEM computational model and the stochastic training of artificial neural network. Identification parameters play the role of basic random variables witch a scatter reflecting the physical range of possible values. Novelty of the approach is the utilization of efficient small-sample ssimulation method Latin Hypercube Sampling (LHS) used for training of neural network.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    JM - Inženýrské stavitelství

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA103%2F04%2F2092" target="_blank" >GA103/04/2092: Identifikace modelu a optimalizace na úrovni materiálu a konstrukce</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2005

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Inženýrská mechanika 2005

  • ISBN

    80-85918-93-5

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    12

  • Strana od-do

    233-244

  • Název nakladatele

  • Místo vydání

    Svratka, Czech Republic

  • Místo konání akce

    Svratka

  • Datum konání akce

    9. 5. 2005

  • Typ akce podle státní příslušnosti

    CST - Celostátní akce

  • Kód UT WoS článku