Artificial Neural Networks in Parameter Identification

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F12%3A00200025" target="_blank" >RIV/68407700:21110/12:00200025 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Artificial Neural Networks in Parameter Identification

Popis výsledku v původním jazyce

Recent decades have witnessed rapid development in numerical modelling of structures as well as materials and the complexity of models increases rapidly together with their computational demands. Despite the growing performance of modern computers and clusters, a suitable 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 affinity hydration model and discusses their possible advantages and drawbacks.

Název v anglickém jazyce

Artificial Neural Networks in Parameter Identification

Popis výsledku anglicky

Recent decades have witnessed rapid development in numerical modelling of structures as well as materials and the complexity of models increases rapidly together with their computational demands. Despite the growing performance of modern computers and clusters, a suitable 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 affinity hydration model and discusses their possible advantages and drawbacks.

Druh

D - Stať ve sborníku

CEP obor

JM - Inženýrské stavitelství

OECD FORD obor

—

Projekt

<a href="/cs/project/GPP105%2F11%2FP370" target="_blank" >GPP105/11/P370: Využití umělých neuronových sítí při víceúrovňovém modelování transportních procesů v heterogenních materiálech</a><br>

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

Proceedings of the 6th European Congress on Computational Methods in Applied Sciences and Engineering

ISBN

978-3-9502481-9-7

ISSN

—

e-ISSN

—

Počet stran výsledku

2

Strana od-do

—

Název nakladatele

Vienna University of Technology

Místo vydání

Vienna

Místo konání akce

Vídeň

Datum konání akce

10. 9. 2012

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—