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 reliability problem solved by artificial neural networks

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26110%2F13%3APU109064" target="_blank" >RIV/00216305:26110/13:PU109064 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Inverse reliability problem solved by artificial neural networks

  • Popis výsledku v původním jazyce

    An efficient inverse reliability analysis method is proposed to obtain design parameters in order to achieve the prescribed reliability level. The inverse analysis method is based on the coupling of an artificial neural network and a small-sample simulation method of the Monte Carlo type used for efficient stochastic preparation of the training set utilized in artificial neural network training. The calculation of reliability is performed using the first order reliability method. The validity and efficiency of the approach is shown using numerical examples taken from the literature as well as from civil engineering computational mechanics for both single and multiple design parameters and single and multiple reliability constraints.

  • Název v anglickém jazyce

    Inverse reliability problem solved by artificial neural networks

  • Popis výsledku anglicky

    An efficient inverse reliability analysis method is proposed to obtain design parameters in order to achieve the prescribed reliability level. The inverse analysis method is based on the coupling of an artificial neural network and a small-sample simulation method of the Monte Carlo type used for efficient stochastic preparation of the training set utilized in artificial neural network training. The calculation of reliability is performed using the first order reliability method. The validity and efficiency of the approach is shown using numerical examples taken from the literature as well as from civil engineering computational mechanics for both single and multiple design parameters and single and multiple reliability constraints.

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

    2013

  • 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

    Safety, Reliability, Risk and Life-Cycle Performance of Structures and Infrastructures

  • ISBN

    978-1-138-00086-5

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    8

  • Strana od-do

    5303-5310

  • Název nakladatele

    Neuveden

  • Místo vydání

    New York, USA

  • Místo konání akce

    New York

  • Datum konání akce

    16. 6. 2013

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku