Self-adaptive Artificial Neural Network in Numerical Models Calibration
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F10%3A00176025" target="_blank" >RIV/68407700:21110/10:00176025 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Self-adaptive Artificial Neural Network in Numerical Models Calibration
Popis výsledku v původním jazyce
The layered neural networks are considered as very general tools for approximation. In the presented contribution, a neural network with a very simple rule for the choice of an appropriate number of hidden neurons is applied to a material parameters' identification problem. Two identification strategies are compared. In the first one, the neural network is used to approximate the numerical model predicting the response for a given set of material parameters and loading. The second mode employs the neural network for constructing an inverse model, where material parameters are directly predicted for a given response.
Název v anglickém jazyce
Self-adaptive Artificial Neural Network in Numerical Models Calibration
Popis výsledku anglicky
The layered neural networks are considered as very general tools for approximation. In the presented contribution, a neural network with a very simple rule for the choice of an appropriate number of hidden neurons is applied to a material parameters' identification problem. Two identification strategies are compared. In the first one, the neural network is used to approximate the numerical model predicting the response for a given set of material parameters and loading. The second mode employs the neural network for constructing an inverse model, where material parameters are directly predicted for a given response.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JD - Využití počítačů, robotika a její aplikace
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)
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
Artificial Neural Networks - ICANN 2010
ISBN
978-3-642-15818-6
ISSN
—
e-ISSN
—
Počet stran výsledku
4
Strana od-do
—
Název nakladatele
Springer-Verlag
Místo vydání
Berlin
Místo konání akce
Thessaloniki
Datum konání akce
15. 9. 2010
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000287889800045