Lee，Seunghye先生；哈，Jingwan；梅赫里尼索；明月，贤俊；Lee，Jaehong李在宏 结构工程深度学习背景信息。 （英语） Zbl 1390.68538号 架构（architecture）。计算。方法工程。 25，编号121-129（2018）. 摘要：自第一篇关于神经网络（NN）在结构工程中的应用的期刊文章发表以来，已有大量关于使用机器学习技术进行结构分析和设计问题的文章。然而，由于传统方法的基本局限性，在过去十年中，将人工神经网络概念应用于结构分析问题的尝试大大减少。深度学习技术的最新进展可以为这些问题提供更合适的解决方案。在这项研究中，提出了多种背景信息，例如用超参数缓解过拟合方法。以一个著名的十杆桁架为例，说明了神经网络的条件以及超参数在结构中的作用。 引用于7文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 74页99 固体力学中的优化问题 软件：亚当；凯拉斯；github；阿达德尔塔；阿达格拉德；RMS公司；西雅娜；达奇 PDF格式BibTeX公司 XML格式引用 \textit{S.Lee}等人，Arch。计算。Methods Eng.25，No.1，121--129（2018；Zbl 1390.68538） 全文： 内政部 参考文献： [1] Bengio Y、Goodfellow IJ、Courville A（2015）《深度学习》。麻省理工学院出版社，剑桥·Zbl 1373.68009号 [2] Samuel，AL，《使用跳棋游戏进行机器学习的一些研究》，IBM J Res Dev，3210-229，（1959）·doi:10.1147/rd.33.0210 [3] 卡博内尔，JG；米查尔斯基，RS；Mitchell，TM，机器学习：历史和方法分析，AI Mag，4，69，（1983） [4] 罗森布拉特，F，《感知器：大脑中信息存储和组织的概率模型》，《心理学评论》，65，386，（1958）·doi:10.1037/h0042519 [5] 通用电气公司Hinton；Osindero，S；Teh，YW，深度信念网络的快速学习算法，神经计算，181527-1554，（2006）·Zbl 1106.68094号 ·doi:10.1162/neco.2006.18.7.1527 [6] Nair V，Hinton G E（2010），整流线性单元改进了受限boltzmann机器。第27届机器学习国际会议论文集（ICML-10）（第807-814页）·Zbl 0752.73053号 [7] Hinton GE、Srivastava、N、Krizhevsky A、Sutskever I、Salakhutdinov、RR（2012）《通过防止特征检测器的协同适应来改进神经网络》。arXiv预打印arXiv:1207.0580 [8] Deng，L，深度学习架构、算法和应用的教程调查，APSIPA Trans Signal Inform Process，3，e2，（2014）·doi:10.1017/atsip.2013.9 [9] Adeli，H，土木工程中的神经网络：19892000，计算机辅助土木基础设施工程，16，126-142，（2001）·doi:10.1111/0885-9507.00219 [10] 古普塔，T；Sharma，RK，《使用神经网络的建筑结构分析和设计：综述》，《国际工程管理科学杂志》，第2期，第216-220页，（2011年） [11] Haftka RT，Grdal Z（2012）结构优化要素，第11卷。多德雷赫特·施普林格 [12] Goodfellow I，Bengio Y，Courville A（2016）深度学习。麻省理工学院出版社，剑桥·Zbl 1373.68009号 [13] Riedmiller，M，Braun H（1993）快速反向传播学习的直接自适应方法：RPROP算法。摘自：1993年IEEE神经网络国际会议（第586-591页） [14] Rumelhart，D.E.、McClelland，J.L.和PDP研究小组。(1988). 并行分布式处理。收录于：IEEE（第1卷，第443-453页） [15] Rojas R（1996）反向传播算法。In：神经网络。柏林施普林格，第149-182页·Zbl 0861.68072号 [16] Hinton，G，《训练受限Boltzmann机器的实用指南》，Momentum，9926，（2010） [17] 霍金斯，DM，过拟合问题，化学信息与计算科学杂志，44，1-12，（2004）·doi:10.1021/ci0342472 [18] Bastien F、Lamblin、P、Pascanu R、Bergstra J、Goodfellow I、Bergeron A、Bouchard N、Warde-Farley D、Bengio、Y（2012）《Theano：新功能和速度改进》。arXiv预打印arXiv:1211.5590 [19] Chollet F（2015）Keras：基于Theano的深度学习图书馆。代码：https://github.com/fchollet。文档：http://keras。国际奥委会 [20] 哈耶拉，P；Berke，L，结构分析和设计中的神经生物学计算模型，计算机和结构，41657-667，（1991）·Zbl 0752.73053号 ·doi:10.1016/0045-7949（91）90178-O [21] Lawrence S，Giles CL，Tsoi AC（1996）什么尺寸的神经网络可以提供最佳泛化？反向传播的收敛特性。马里兰大学高级计算机研究所UMIACS-TR-96-22和CS-TR-3617技术报告 [22] Dugas C、Bengio Y、Blisle F、Nadeau C、Garcia R（2001），结合二阶函数知识以更好地进行期权定价。高级神经信息处理系统472-478 [23] 杜奇，J；哈赞，E；Singer，Y，在线学习和随机优化的自适应次梯度方法，J Mach Learn Res，12，2121-2159，（2011）·Zbl 1280.68164号 [24] Zeiler，M.D.（2012年）。ADADELTA：一种自适应学习速率方法。arXiv预打印arXiv:1212.5701 [25] Tieleman，T.和Hinton，G.讲座6.5-RMSProp，课程：机器学习的神经网络。2012年技术报告 [26] Kingma D，Ba J（2014）Adam：一种随机优化方法。arXiv预打印arXiv:1412.6980 [27] Ruder S（2016）梯度下降优化算法概述。arXiv预印本arXiv：1609.04747 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。