| dc.contributor.author | Zheltkovich, Andrey Evgenievich | |
| dc.contributor.author | Molosh, Viktor Viktorovich | |
| dc.contributor.author | Parchotz, Konstantin Gennadievich | |
| dc.contributor.author | Saveiko, Nikolai Gennadievich | |
| dc.contributor.author | Yuan Jinbin | |
| dc.contributor.author | Zhenhao Jiang | |
| dc.contributor.author | Zheng Haoyuan | |
| dc.coverage.spatial | Brest | ru_RU |
| dc.date.accessioned | 2023-03-22T11:59:58Z | |
| dc.date.available | 2023-03-22T11:59:58Z | |
| dc.date.issued | 2022 | |
| dc.identifier.citation | Full connected neural-network for simulation of extantion in self-stressed monolitic slabs on ground / A. E. Zheltkovich [et al.] // Перспективные направления инновационного развития строительства и подготовки инженерных кадров : сборник научных статей XXII Международного научно-методического семинара, Брест, 29–30 сентября 2022 г. / Министерство образования Республики Беларусь, Брестский государственный технический университет; редкол.: С. М. Семенюк [и др.]. – Брест : БрГТУ, 2022. – P. 18–28 : il. – Bibliogr.: p. 28 (13 names). | ru_RU |
| dc.identifier.uri | https://rep.bstu.by/handle/data/32935 | |
| dc.description | Желткович А. Е., Молош В. В., Пархоц K. Г., Савейко Н. Г., Юань Цзиньбинь, Чжэньхао Цзян, Чжэн Хаоюань. Моделирование перемещений в самонапряженных монолитных плитах на основании при помощи полносвязной нейронной сети | ru_RU |
| dc.description.abstract | In this article the strategy of interdisciplinary convergence of mechanics and artificial intelligence is illustrated. The article presents the results of calculating displacements in self-stressed monolithic slabs on ground obtained using a trained fully connected neural network. The empirical results of displacements in slabs on ground, displacements calculated according to the physicomechanical model, and obtained using a neural network are represented. The inspiration brought us to study neural networks modeling biological neural networks are follow: neural networks can autonomously detect patterns hidden in phenomena and can identify parameters on complex behavioral tracks of different physical systems. The authors describe in detail the developed and trained fully connected neural network. | ru_RU |
| dc.language.iso | en | ru_RU |
| dc.publisher | BrSTU | ru_RU |
| dc.subject | artificial Neural Networks | ru_RU |
| dc.subject | искусственные нейронные сети | ru_RU |
| dc.subject | deep Learning Algorithm | ru_RU |
| dc.subject | алгоритм глубокого обучения | ru_RU |
| dc.subject | neurons | ru_RU |
| dc.subject | нейроны | ru_RU |
| dc.subject | slabs on ground | ru_RU |
| dc.subject | плиты на основании | ru_RU |
| dc.subject | self-Stressed Concrete | ru_RU |
| dc.subject | самонапряженный бетон | ru_RU |
| dc.title | Full connected neural-network for simulation of extantion in self-stressed monolitic slabs on ground | ru_RU |
| dc.type | Научный доклад (Working Paper) | ru_RU |
| dc.identifier.udc | 624.012 | ru_RU |
| dc.abstract.alternative | В статье проиллюстрирована стратегия междисциплинарной конвергенции механики и искусственного интеллекта. Представлены результаты расчёта перемещений в самонапряжённых монолитных плитах на основании полученные с использованием обученной полносвязной нейронной сети. В данной статье представлены эмпирические результаты перемещений в плитах, перемещения, рассчитанные по физико-механической модели и полученные с использованием нейронной сети. Интерес, проявленный к нейронным сетям, моделирующим биологические нейронные сети, вызван тем, что, нейросеть может автономно обнаруживать закономерности, скрытые в феноменах, нейронные сети могут идентифицировать параметры на сложных поведенческих треках физических систем. Авторы подробно описывают разработанную и обученную полносвязную нейронную сеть. | ru_RU |
