Czasopismo | MATERIAŁY BUDOWLANE | Rocznik 2016 - zeszyt 11

Klasyfikacja przemieszczeń pionowych obiektów budowlanych z wykorzystaniem sieci neuronowej SVM

10.15199/33.2016.11.14

Maria Mrówczyńska

nr katalogowy: 102307
10.15199/33.2016.11.14

W artykule przedstawiono podstawowe zasady budowania i uczenia sieci neuronowych zwane metodą (techniką) wektorów podtrzymujących (ang. Support Vector Machine - SVM) wraz z możliwością aplikacji tego rodzaju sieci. Sieci nieliniowe SVM wykorzystano do klasyfikacji danych separowalnych liniowo w celu sformułowania modelu przemieszczeń punktów sieci pomiarowo-kontrolnej. Punkty sieci pomiarowo- -kontrolnej zostały założone na obiekcie budowlanym posadowionym na gruntach ekspansywnych. Słowa kluczowe: sieci neuronowe, przemieszczenia pionowe, klasyfikacja.Technika wektorów podtrzymujących, zwana klasyfikatorami SVM (Suport Vector Machine), została opracowana przez Vapnika [6], jako nowe podejście do budowania i uczenia sieci. Sieci SVM należą do grupy sieci jednokierunkowych. Zwykle mają strukturę dwuwarstwową i mogą wykorzystywać różne typy funkcji aktywacji [5, 6]. W porównaniu z sieciami neuronowymi MLP (Multi Layer Perceptron), sieci SVMpozbawione są wad typowych dla sieci MLP, czylimożliwości zatrzymania procesu minimalizacji w jednym z wielu minimów lokalnych, a także przyjmowanej arbitralnie na wstępie architektury sieci, od której zależą jej przyszłe zdolności generalizacyjne sieci [1]. W przypadku danych liniowo separowalnych, sieci SVM pozwalają na znalezienie hiperpłaszczyzny separacji oddzielającej dwie klas[...]

Bibliografia

[1] Bishop Christopher.M. 2006. "Pattern Recognition and Machine Learningupport". Springer. New York.
[2] Gil Józef. 1995. "Badanie nieliniowego geodezyjnego modelu przemieszczeń (na przykładzie obciążonego podłoża gruntowego)". Zielona Góra. Wydawnictwo Wyższej Szkoły Inżynierskiej w Zielonej Górze.
[3] Gontaszewska Agnieszka, Maria Mrówczyńska. 2008. Charakterystyka nierównomiernych osiadań obiektu budowlanego posadowionego na gruntach ekspansywnych. Oficyna Wydawnicza Uniwersytetu Zielonogórskiego.
[4] Mrówczyńska Maria. 2014. "Sieć liniowa SVM do wyznaczenia przemieszczeń pionowych". Przegląd Geodezyjny. Warszawa.
[5] Osowski Stanisław. 2006 "Sieci neuronowe do przetwarzania informacji". Warszawa. Oficyna Wydawnicza Politechniki Warszawskiej.
[6] Vapnik Vladimir. 1998. Statistical learning theory. New York.Wiley.
[7] Zanni Luca, Thomas Serafini, Gaetano Zanghirati. 2006 "Parallel Software for Training Large Scale Support VectorMachines onMultiprocessor Systems". Journal of Machine Learning Research (7).

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


e-Publikacja (format pdf) - nr 51586 "Analiza porównawcza wielk..." licencja: Osobista Produkt cyfrowy	10.00 zł

Zeszyt


MATERIAŁY BUDOWLANE - e-zeszyt (pdf) 2016-11 licencja: Osobista Produkt cyfrowy	25.00 zł

Prenumerata

GAZ, WODA I TECHNIKA SANITARNA - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

360.00 zł

GAZ, WODA I TECHNIKA SANITARNA - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
GAZ, WODA I TECHNIKA SANITARNA - papierowa prenumerata roczna	432.00 zł brutto 400.00 zł netto 32.00 zł VAT (stawka VAT 8%)
GAZ, WODA I TECHNIKA SANITARNA - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

474.00 zł

GAZ, WODA I TECHNIKA SANITARNA - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
GAZ, WODA I TECHNIKA SANITARNA - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	552.00 zł brutto 511.11 zł netto 40.89 zł VAT (stawka VAT 8%)

552.00 zł

Zeszyt

2016-11

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma