Artificial neural networks in calibration of nonlinear models

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F12%3A00199124" target="_blank" >RIV/68407700:21110/12:00199124 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Artificial neural networks in calibration of nonlinear models

Popis výsledku v původním jazyce

Last decades witness rapid development in numerical modelling of structures as well as materials and the complexity of models increases quickly together with their computational demands. Despite the growing performance of modern computers and clusters, asuitable approximation of an exhaustive simulation has still many applications in engineering problems. For example, the field of parameters identification may represent a large domain for very efficient applications. The layered neural networks are still considered as very general tools for approximation and they became popular especially for their simple implementation. This contribution presents different strategies for application of neural networks in calibration of nonlinear models and discussestheir possible advantages and drawbacks.

Název v anglickém jazyce

Artificial neural networks in calibration of nonlinear models

Popis výsledku anglicky

Last decades witness rapid development in numerical modelling of structures as well as materials and the complexity of models increases quickly together with their computational demands. Despite the growing performance of modern computers and clusters, asuitable approximation of an exhaustive simulation has still many applications in engineering problems. For example, the field of parameters identification may represent a large domain for very efficient applications. The layered neural networks are still considered as very general tools for approximation and they became popular especially for their simple implementation. This contribution presents different strategies for application of neural networks in calibration of nonlinear models and discussestheir possible advantages and drawbacks.

Druh

D - Stať ve sborníku

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

2012

Kód důvěrnosti údajů

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

Název statě ve sborníku

Life-Cycle and Sustainability of Civil Infrastructure Systems

ISBN

978-0-415-62126-7

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

2225-2232

Název nakladatele

CRC Press/Balkema

Místo vydání

Leiden

Místo konání akce

Wien

Datum konání akce

3. 10. 2012

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—