Поиск по всему репозиторию:

2d convolutional neural network in the design of monolithic self-stressed slabs on base

Thumbnail
Открыть/скачать файлы документа
DOI
https://doi.org/10.36773/1818-1112-2023-132-3-54-60
Автор
Дата издания
2023
Издательство
БрГТУ
УДК
624.012
Библиографическое описание
2d convolutional neural network in the design of monolithic self-stressed slabs on base / А. E. Zheltkovich [et al.] // Vestnik of Brest State Technical University. – 2023. – № 3 (132). – P. 54–60 : il. – Bibliography: p. 59–60 (20 titles).
Аннотация
The purpose of this paper is to demonstrate the capabilities of convolutional neural networks in mechanics-related problems, in particular, in the design of monolithic self-stressed slabs on the base. In order to simplify the procedure of designing and calculating the displacements of slabs on the base has been developed a method that combines the advantages of theoretical models, and neural network technologies. The paper shows the possibility of using "soft computing", and also points out the promising potential of convolutional neural networks in predicting forced displacements in slabs of different geometrical shape.
Аннотация на другом языке
Целью настоящей статьи является демонстрация возможностей свёрточных нейросетей в задачах, связанных с механикой, в частности при проектировании монолитных самонапряжённых плит на основании. С целью упрощения процедуры проектирования и расчета перемещений плит по основанию был разработан метод, сочетающий в себе преимущества теоретических моделей и нейросетевых технологий. В статье показана возможность использования "мягких вычислений", а также отмечен перспективный потенциал свёрточных нейронных сетей в прогнозировании вынужденных перемещений в плитах различной геометрической формы.
URI документа
https://rep.bstu.by/handle/data/40723
Документ расположен в коллекции