ANN Inverse Analysis in Stochastic Computational Mechanics

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26110%2F09%3APU85933" target="_blank" >RIV/00216305:26110/09:PU85933 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

ANN Inverse Analysis in Stochastic Computational Mechanics

Popis výsledku v původním jazyce

An approach of inverse analysis is proposed to obtain parameters and their statistics 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 anartificial neural network (ANN). The identification parameters play the role of basic random variables with a scatter reflecting the physical range of possible values. A novelty of the approach is the utilization of the efficient small-sample simulationmethod Latin Hypercube Sampling (LHS) used for the stochastic preparation of the training set utilized in training the neural network. Once the network has been trained, it represents an approximation consequently utilized in a following way: To providethe best possible set of model parameters for the given experimental data. The paper focuses the attention on the statistical inverse analysis of material model parameters where statistical moments of input parameters have to be identifie

Název v anglickém jazyce

ANN Inverse Analysis in Stochastic Computational Mechanics

Popis výsledku anglicky

An approach of inverse analysis is proposed to obtain parameters and their statistics 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 anartificial neural network (ANN). The identification parameters play the role of basic random variables with a scatter reflecting the physical range of possible values. A novelty of the approach is the utilization of the efficient small-sample simulationmethod Latin Hypercube Sampling (LHS) used for the stochastic preparation of the training set utilized in training the neural network. Once the network has been trained, it represents an approximation consequently utilized in a following way: To providethe best possible set of model parameters for the given experimental data. The paper focuses the attention on the statistical inverse analysis of material model parameters where statistical moments of input parameters have to be identifie

Druh

C - Kapitola v odborné knize

CEP obor

JM - Inženýrské stavitelství

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

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

Rok uplatnění

2009

Kód důvěrnosti údajů

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

Název knihy nebo sborníku

Artificial Intelligence: New Research

ISBN

978-1-60456-282-8

Počet stran výsledku

27

Strana od-do

—

Počet stran knihy

800

Název nakladatele

Nova Science Publishers

Místo vydání

USA

Kód UT WoS kapitoly

—