Las grietas en el hormigón son muy graves y potencialmente peligrosas. Los actuales métodos de aprendizaje automático presentan tres limitaciones obvias: baja tasa de reconocimiento, baja precisión y mucho tiempo. La detección mejorada de grietas basada en redes neuronales convolucionales puede detectar automáticamente si una imagen contiene grietas y marcar la ubicación de las mismas, lo que puede mejorar enormemente la eficacia de la monitorización. Los resultados experimentales muestran que el algoritmo de optimización Adam y el algoritmo de normalización por lotes (BN) pueden hacer que el modelo converja más rápidamente y alcanzar la máxima precisión del 99,71%.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Cálculo numérico e investigación de las características de chorros sintéticos a microescala
Artículo:
Resolución de ecuaciones parabólicas e hiperbólicas con coeficientes variables mediante el método de colocación de funciones de base radial localizadas en el espacio-tiempo
Artículo:
Predicción de las emisiones de NOx de un motor diesel de inyección directa mediante redes neuronales artificiales
Artículo:
Algoritmo de control para el reparto equitativo de corriente entre convertidores Boost conectados en paralelo en una microrred de CC
Artículo:
Minería de datos para la optimización de la alimentación de material en la producción de plantillas de circuitos impresos
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Tesis:
Materiales y prácticas de construcción sostenible