ANN inverse analysis based on stochastic small-sample training set simulation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26110%2F06%3APU65604" target="_blank" >RIV/00216305:26110/06:PU65604 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

ANN inverse analysis based on stochastic small-sample training set simulation

Popis výsledku v původním jazyce

A new approach of inverse analysis is proposed to obtain parameters of a computational model in order to achieve the best agreement with experimental data. The inverse analysis is based on the coupling of a stochastic simulation and an artificial neuralnetwork (ANN). The identification parameters play the role of basic random variables with a scater reflecting the physical range of potential values. A nonovelty of the approach is the utilization of the efficient small-sample simulation method LatinHypercube Sampling (LHS) used for the stochastic preparation of the training set utilized in training the artificial neural network.

Název v anglickém jazyce

ANN inverse analysis based on stochastic small-sample training set simulation

Popis výsledku anglicky

A new approach of inverse analysis is proposed to obtain parameters of a computational model in order to achieve the best agreement with experimental data. The inverse analysis is based on the coupling of a stochastic simulation and an artificial neuralnetwork (ANN). The identification parameters play the role of basic random variables with a scater reflecting the physical range of potential values. A nonovelty of the approach is the utilization of the efficient small-sample simulation method LatinHypercube Sampling (LHS) used for the stochastic preparation of the training set utilized in training the artificial neural network.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

JN - Stavebnictví

OECD FORD obor

—

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)

Rok uplatnění

2006

Kód důvěrnosti údajů

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

Název periodika

ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE

ISSN

0952-1976

e-ISSN

—

Svazek periodika

19

Číslo periodika v rámci svazku

5

Stát vydavatele periodika

GB - Spojené království Velké Británie a Severního Irska

Počet stran výsledku

10

Strana od-do

731-740

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—