采用扩展的贝叶斯人工神经网络选择结构损伤监测模型

• 作者: Heung Fai Lam Ching Tai Ng
• 来源期刊: 钢结构
• 学科: 工学
• 关键词: 人工神经网络 结构损伤监测 贝叶斯模型分级选择 基准研究
• 年，卷（期）: 2009,（1）
• 页数: 2页
• 分类号: TU317

摘要

对采用规则的动态数据进行结构损伤监测时,模式识别是一个有效的方法,人工神经网络作为匹配模式特征的系统方式广泛应用于模式识别研究中。人工神经网络设计是影响模型识别性能和效率的最基本因素。由Lam等人提出的贝叶斯人工神经网络设计法则为单隐层前馈人工神经网络确定大量隐性神经单元提供了严格的数学手段。本文的第一个目标是对贝叶斯人工神经网络设计法则进行拓展,包括选择隐层中神经单元的传递函数。所提出的法则具有高效的特点,适用于实时人工神经网络设计。目前,许多人工神经网络设计技术需要在训练前已知人工神经网络模型的类型,因此,最基本的问题是自动选择优化的人工神经网络模型类型的技术。由于模型参数和Ritz向量一般用于描述模式的特征,本文的第二个目标是采用模式识别对结构损伤监测中这两个模式特征进行比较。为了清楚判断这两个特征,研究中采用了IASC-ASCE准则。研究结果显示:采用模型参数进行训练的人工神经网络性能略优于采用Ritz向量进行训练的人工神经网络性能。