Prediction of deflection from flatness and a vertical position with the use of neural networks

• Autorzy: Mrówczyńska M.

Warianty tytułu

PL

Predykcja odchyleń od płaskości i pozycji pionowej z zastosowaniem sieci neuronowych

• Języki publikacji: EN

Abstrakty

EN

The paper presents an attempt to apply unidirectional multilayer neural networks in the prediction of the deflections from flatness and from a vertical position of building walls, on an example of periodic measurements in the church of the Blessed Virgin Mary in Toruń. The applied methods of artificial intelligence in a form of sigmoid neural networks were taught with the use of the backpropagation method, which bases on the gradient methods described in optimization theories. The prognosis of the values of the deflections from flatness and from vertical position was carried out for a single measurement epoch on the basis of ten periodic measurements performed at several-year intervals.

PL

W artykule podjęto próbę wykorzystania sieci neuronowych jednokierunkowych wielowarstwowych do predykcji odchyleń od płaskości i pozycji pionowej ścian budynku, na przykładzie pomiarów okresowych kościoła Najświętszej Maryi Panny w Toruniu. Wykorzystane metody sztucznej inteligencji w postaci sieci neuronowych typu sigmoidalnego były uczone metodą propagacji wstecznej błędu, która bazuje na znanych z teorii optymalizacji metodach gradientowych. Prognoza wielkości wychyleń od pionu i płaskości została przeprowadzona dla jednej epoki pomiarowej na podstawie dziesięciu pomiarów okresowych wykonanych w kilkuletnich odstępach czasu.

Słowa kluczowe

EN

neural networks; deflections from flatness; prediction; church of the Blest Virgin Mary in Toruń

PL

sieci neuronowe; odchylenia od płaskości; predykcja odchyleń; kościół Najświętszej Maryi Panny w Toruniu

• Wydawca: Oficyna Wydawnicza Uniwersytetu Zielonogórskiego
• Czasopismo: Civil and Environmental Engineering Reports
• Rocznik: 2012
• Tom: No. 9
• Strony: 73--81
• Opis fizyczny: Bibliogr. 12 poz., fot., il., rys., tab.

Twórcy

autor

Mrówczyńska M.

• University of Zielona Góra, Faculty of Civil and Environmental Engineering

Bibliografia

• 1. Bishop Ch.M.: Neural Networks for Pattern Recognition. Oxford University Press, Oxford, New York 1995.
• 2. Bishop Ch.M.: Pattern Recongnition and Machine Learning. Springer, New York 2006.
• 3. Czaja J.: Geodezja inżynieryjno – przemysłowa, Skrypt Uczelniany nr 893 Akademii Górniczo – Hutniczej w Krakowie, Kraków 1983.
• 4. Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R.: Sieci neuronowe, Akademicka Oficyna Wydawnicza Exit, Warszawa 2000.
• 5. Jankowski N.: Ontogeniczne sieci neuronowe. O sieciach zmieniających swoją strukturę, Akademicka Oficyna Wydawnicza EXIT, Warszawa 2003.
• 6. Nagórki W.: Wyznaczenie odchyleń od płaskości i poziomu ścian kościoła NMP w Toruni, Bydgoszcz 2012.
• 7. Niepokólczycki M.: Sprawozdania techniczne i przekroje poprzeczne profili uzyskane na podstawie przeprowadzonych pomiarów, 1977, 1981.
• 8. Osowski S.: Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2006.
• 9. Riedmiller M., Braun H.: A fast adaptive learning algorithm, Technical Report, University Karslruhe, Germany 1992.
• 10. Rivas I., Personnaz L.: Construction of confidence intervals for neural networks based on least squares estimation. Neural Networks 13 (2000), pp. 463-484, 2003.
• 11. Rutkowski L.: Metody i techniki sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa 2006.
• 12. Stachurski A., Wierzbicki A.: Podstawy optymalizacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2001.