17054

طراحي بهينه سازه ها با استفاده از روشهاي يادگيري ماشين

1401

دكتر مجيد ايلچي قزاآن

ندارم

اين مطالعه مروري جامع بر كاربرد يادگيري ماشين در بهينهسازي سازهها به تفصيل به سه رويكرد اصلي يعني يادگيري نظارت شده، يادگيري بدون نظارت، و يادگيري تقويتي ميپردازد. در بخش يادگيري نظارت شده، شبكههاي عصبي به عنوان ابزارهاي قدرتمند در پيشبيني و بهينهسازي سازهها مورد استفاده قرار گرفتهاند. اين پژوهش به دقت به عملكرد اين شبكهها در انتخاب ويژگيها، ايجاد مجموعه دادهها و آموزش مدلها پرداخته و نقاط قوت و ضعف اين رويكرد را مورد بررسي قرار داده است. در بخش يادگيري بدون نظارت، اتوانكودرهاي عميق بهعنوان ابزاري برجسته در تشخيص الگوها و بهينهسازي سازهها به كار گرفته شده اند. چهارچوب پيشنهادي براي بهينهسازي سازهها با استفاده از دادههاي نظارت نشده نيز در اين قسمت بهصورت جامع بررسي شده و ارائهاي جديد براي بهبود كارايي و انعطافپذيري ارائه شده است. در ادامه، در بخش يادگيري تقويتي، مفاهيم اصلي مانند فرآيند تصميمگيري ماركوف و يادگيري تقويتي با استفاده از شبكههاي عصبي عميق مورد بررسي قرار گرفتهاند. نحوه استفاده از اين رويكرد در بهينهسازي سازهها، از جستجوي راهحلهاي نزديك به بهينه تا تنظيم پارامترهاي الگوريتم بهينهسازي هيوريستيك، بهطور جامع بررسي شده است. اين بازبيني بههمراه مطالعه موردي و تجارب عملي، نهتنها به عمق و جزئيات هر رويكرد پرداخته بلكه به نقدهاي موجود و پيشنهادهايي براي جهتگيري آينده در اين زمينه نيز ميپردازد. اين تحليل گسترده از كاربرد يادگيري ماشين در بهينهسازي سازهها، براي مهندسان و محققان در زمينه سازهسازي، يادگيري ماشين و هوش مصنوعي، منابع ارزشمندي را فراهم ميكند

10/22/2023 12:00:00 AM

90361

1405/03/02

Structural Optimization Using Machine Learning Methods

يادگيري ماشين , بهينه سازي سازه ها , شبكه هاي عصبي , يادگيري تقويتي , الگوريتم هاي بهينه سازي

Machine Learning , Structural optimization , Neural networks , Reinforcement learning , Optimization algorithms