Cookies y Privacidad
Usamos cookies propias y de terceros para mejorar la experiencia de nuestros usuarios, analizar el tráfico del sitio y personalizar contenido. Si continúas navegando, asumimos que aceptas su uso. Para más información, consulta nuestra Política de Cookies
Modelo de aprendizaje profundo hibridizado para predecir la resistencia al corte del conector Perfobond Rib.
La predicción precisa y confiable de la Resistencia al Corte de la Conexión Perfobond (PRSC) se considera un problema importante en el sector de la ingeniería estructural. Además, seleccionar las variables más significativas que tienen una influencia importante en la PRSC en cada paso importante para lograr modelos predictivos más económicos y precisos, este estudio investiga la capacidad de la red neuronal de aprendizaje profundo (DLNN) para la predicción de resistencia al corte de la PRSC. El modelo DLNN propuesto se valida contra la regresión de vectores de soporte (SVR), la red neuronal artificial (ANN) y el modelo de árbol M5. En el segundo escenario, se propone un modelo de IA comparable hibridado con algoritmo genético (GA) como un enfoque de optimización bioinspirado robusto para optimizar los predictores relacionados con la PRSC. Hibridar modelos de IA con GA como herramienta de selección es un intento de adquirir la mejor precisión de las predicciones con la menor cantidad posible de parámetros relacionados. De acuerdo con
Autores: Khalaf, Jamal Abdulrazzaq; Majeed, Abeer A.; Aldlemy, Mohammed Suleman; Ali, Zainab Hasan; Al Zand, Ahmed W.; Adarsh, S.; Bouaissi, Aissa; Hameed, Mohammed Majeed; Yaseen, Zaher Mundher
Idioma: Inglés
Editor: Hindawi
Año: 2021
Disponible con Suscripción Virtualpro
Categoría
Licencia
Consultas: 9
Citaciones: Sin citaciones
Hindawi
Complexity
Volume , Article ID 6611885, 21 pages
https://doi.org/10.1155/2021/6611885
Khalaf Jamal Abdulrazzaq0, Majeed Abeer A.0, Aldlemy Mohammed Suleman0, Ali Zainab Hasan0, Al Zand Ahmed W.0, Adarsh S.0, Bouaissi Aissa0, Hameed Mohammed Majeed0, Yaseen Zaher Mundher0
Civil Engineering Department Iraq, Reconstruction and Projects Department Iraq, Department of Mechanical Engineering Libya, College of Engineering Iraq, Department of Civil Engineering Malaysia, Department of Civil Engineering India, School of Engineering UK, UNA Developments Ltd. UK, Department of Civil Engineering Iraq, Faculty of Civil Engineering VietnamAcademic Editor: Al-Emran Mostafa
Contact: @hindawi.com