Aproksymacja danych doświadczalnych z badań trójosiowego ściskania gruntu przy użyciu perceptronu wielowarstwowego

• Autorzy: Słowiński D.

Warianty tytułu

EN

Approximation of data obtained from triaxial tests of soil using multi-layer perceptron

• Języki publikacji: PL

Abstrakty

PL

Odszumianie surowych danych z badań trójosiowych (filtracja, skracanie, wygładzanie danych). Aproksymacja danych z zastosowaniem perceptronu wielowarstwowego z pakietu Matlab. Tworzenie sztucznej sieci neuronowej fitnet, konfiguracja, trening i walidacja sieci. Zmiana struktury sieci. Wartość błędu średniokwadratowego (MSE – mean squared error) jako ocena dopasowania danych. Wpływ zmiany struktury sieci neuronowej na jakość dopasowania danych. Ocena przydatności SSN fitnet do aproksymacji danych z badań trójosiowego ściskania gruntów.

EN

Denoising of raw data from triaxial tests (filtering, shortening, smoothing data). Data approximating using Matlab multilayer perceptron. Setting of fitnet – feed-forward neural network of Matlab, configuration, training and validation of network. Value of mean squared error (MSE) as estimation of quality of data approximation. Quality of data approximation versus neural network structure changing. Estimation of usefulness of Matlab fitnet network for triaxial tests results data approximation.

Słowa kluczowe

PL

geotechnika; grunty; aproksymacja danych; sieci neuronowe

• Wydawca: IMOGEOR, Spółka z o. o.
• Czasopismo: Inżynieria Morska i Geotechnika
• Rocznik: 2013
• Tom: nr 6
• Strony: 516--522
• Opis fizyczny: Bibliogr. 7 poz., rys., tab.

Twórcy

autor

Słowiński D.

• Uniwersytet Warmińsko-Mazurski w Olsztynie, Wydział Nauk Technicznych

Bibliografia

• 1. Bartecki, K.: Sztuczne sieci neuronowe w zastosowaniach, zbiór ćwiczeń laboratoryjnych z wykorzystaniem przybornika Neural Network programu Matlab. Oficyna Wydawnicza Politechniki Opolskiej, 2010.
• 2. Lunne T. i in.: Cone penetration testing in geotechnical practice. Black ie Academic & Professional, An Imprint Of Chapman & Hall, 1997.
• 3. Matlab – podręcznik użytkownika. MathWorks, Natick, USA 2004.
• 4. Słowiński D., Damicz J., Szymański, L., Tran, C.: Nowoczesne techniki opracowania danych pomiarowych z badań geotechnicznych. Część 2: Zastosowanie aproksymacji wielomianowej i aproksymacji metodą ruchomej średniej do badania trójosiowego iłów. Inżynieria Morska i Geotechnika, nr 6/2011.
• 5. Tran, C.: A theory of geotechnical uncertainty. Wydawnictwo Politechniki Gdańskiej, 2000.
• 6. Tran C., Słowiński D., Srokosz P.: Modernizacja klasycznego aparatu trójosiowego typu norweskiego. Inżynieria Morska i Geotechnika, nr 3/2008.
• 7. Wprowadzenie do sieci neuronowych. StatSoft, Kraków 2001.