An artificial neural network approach to solve inverse reliability problems
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26110%2F10%3APU92077" target="_blank" >RIV/00216305:26110/10:PU92077 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
An artificial neural network approach to solve inverse reliability problems
Popis výsledku v původním jazyce
An artificial neural network approach to solve inverse reliability problems is proposed. An inverse reliability analysis is the problem to find design parameters corresponding to specified reliability levels expressed by reliability measures (reliabilityindex or theoretical failure probability. Design parameters can be deterministic or they can be associated to random variables described by statistical moments. The aim is to solve generally not only the single design parameter case but also the multiple parameter problems with given multiple reliability constraints. A new general approach of inverse reliability analysis is proposed. The inverse analysis is based on the coupling of a stochastic simulation of Monte Carlo type and an artificial neural network. A novelty of the approach is the utilization of the efficient small-sample simulation method Latin Hypercube Sampling used for the stochastic preparation of the training set. That is needed for proper adjustment of synaptic weights
Název v anglickém jazyce
An artificial neural network approach to solve inverse reliability problems
Popis výsledku anglicky
An artificial neural network approach to solve inverse reliability problems is proposed. An inverse reliability analysis is the problem to find design parameters corresponding to specified reliability levels expressed by reliability measures (reliabilityindex or theoretical failure probability. Design parameters can be deterministic or they can be associated to random variables described by statistical moments. The aim is to solve generally not only the single design parameter case but also the multiple parameter problems with given multiple reliability constraints. A new general approach of inverse reliability analysis is proposed. The inverse analysis is based on the coupling of a stochastic simulation of Monte Carlo type and an artificial neural network. A novelty of the approach is the utilization of the efficient small-sample simulation method Latin Hypercube Sampling used for the stochastic preparation of the training set. That is needed for proper adjustment of synaptic weights
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JM - Inženýrské stavitelství
OECD FORD obor
—
Návaznosti výsledku
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)
Ostatní
Rok uplatnění
2010
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
Reliability Engineering and Risk Management
ISBN
978-7-5608-4388-9
ISSN
—
e-ISSN
—
Počet stran výsledku
7
Strana od-do
—
Název nakladatele
Neuveden
Místo vydání
Shanghai, Čína
Místo konání akce
Shanghai
Datum konání akce
28. 8. 2010
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—