Klasyfikacja przemieszczeń pionowych obiektów budowlanych z wykorzystaniem sieci neuronowej SVM

• Autorzy: Mrówczyńska M.

Identyfikatory

DOI

10.15199/33.2016.11.14

Warianty tytułu

EN

Classification of vertical displacements with the use neural networks SVM

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono podstawowe zasady budowania i uczenia sieci neuronowych zwane metodą (techniką) wektorów podtrzymujących (ang. Support Vector Machine – SVM) wraz z możliwością aplikacji tego rodzaju sieci. Sieci nieliniowe SVM wykorzystano do klasyfikacji danych separowalnych liniowo w celu sformułowania modelu przemieszczeń punktów sieci pomiarowo-kontrolnej. Punkty sieci pomiarowo-kontrolnej zostały założone na obiekcie budowlanym posadowionym na gruntach ekspansywnych.

EN

The article presents the basic rules for constructing and training neural networks called the Support Vector Machine (SVM) method as well as possible applications for this kind of network. Non-linear SVM networks have been used for classifying linearly separable data with a view to formulating a model of displacements of points in a measurement-control network. The points of the measurement-control network were placed on a civil engineering object located on expansive soil.

Słowa kluczowe

PL

sieć neuronowa; budowanie; uczenie; klasyfikator SVM; klasyfikacja danych; modelowanie; grunt ekspansywny; przemieszczenie pionowe

EN

neural network; construction; training; support vector machine; data classification; modelling; expansive soil; vertical displacement

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Materiały Budowlane
• Rocznik: 2016
• Tom: nr 11
• Strony: 44--45
• Opis fizyczny: Bibliogr. 7 poz., il.

Twórcy

autor

Mrówczyńska M.

• Uniwersytet Zielonogórski, Wydział Budownictwa, Architektury i Inżynierii Środowiska

Bibliografia

• [1] Bishop Christopher. M. 2006. „Pattern Recognition and Machine Learningupport”. Springer. New York.
• [2] Gil Józef. 1995. „Badanie nieliniowego geodezyjnego modelu przemieszczeń (na przykładzie obciążonego podłoża gruntowego)”. Zielona Góra. Wydawnictwo Wyższej Szkoły Inżynierskiej w Zielonej Górze.
• [3] Gontaszewska Agnieszka, Maria Mrówczyńska. 2008. Charakterystyka nierównomiernych osiadań obiektu budowlanego posadowionego na gruntach ekspansywnych. Oficyna Wydawnicza Uniwersytetu Zielonogórskiego.
• [4] Mrówczyńska Maria. 2014. „Sieć liniowa SVM do wyznaczenia przemieszczeń pionowych”. Przegląd Geodezyjny. Warszawa.
• [5] Osowski Stanisław. 2006 „Sieci neuronowe do przetwarzania informacji”. Warszawa. Oficyna Wydawnicza Politechniki Warszawskiej.
• [6] Vapnik Vladimir. 1998. Statistical learning theory. New York. Wiley.
• [7] Zanni Luca, Thomas Serafini, Gaetano Zanghirati. 2006 „Parallel Software for Training Large Scale Support Vector Machines on Multiprocessor Systems”. Journal of Machine Learning Research (7).