Aplicación de redes neuronales recurrentes para acelerar el análisis no lineal de estructuras.
El análisis no lineal de estructuras es una herramienta de la ingeniería basada en el desempeño que sirve para la validación de estructuras, ya sea para nuevas estructuras o para evaluar estructuras existentes. La aplicación de este análisis para sistemas estructurales compuestos por una gran cantid...
-д хадгалсан:
| Үндсэн зохиолч: | |
|---|---|
| Формат: | bachelorThesis |
| Хэл сонгох: | spa |
| Хэвлэсэн: |
2021
|
| Нөхцлүүд: | |
| Онлайн хандалт: | http://repositorio.ucsg.edu.ec/handle/3317/17431 |
| Шошгууд: |
Шошго нэмэх
Шошго байхгүй, Энэхүү баримтыг шошголох эхний хүн болох!
|
Шошго нэмэх | Тойм: | El análisis no lineal de estructuras es una herramienta de la ingeniería basada en el desempeño que sirve para la validación de estructuras, ya sea para nuevas estructuras o para evaluar estructuras existentes. La aplicación de este análisis para sistemas estructurales compuestos por una gran cantidad de grados de libertad, como lo son edificios de gran altura, puentes e incluso presas, requieren de mucho tiempo computacional. Los tiempos de cálculo pueden resultar inadmisibles en estudios paramétricos. Para la reducción de este tiempo, se plantea en este trabajo una metodología práctica que consiste en la aplicación de redes neuronales y se da un primer paso en el uso de las redes neuronales recurrentes. Dentro del grupo de las redes neuronales recurrentes se aplica la memoria de largo y corto plazo (LSTM) para acelerar el análisis no lineal de estructuras. Con la creación de una base de datos para el entrenamiento y prueba de la red neuronal, que se utiliza no solo para aprender el comportamiento del análisis, sino también para hacer predicciones confiables en adición al objetivo principal que es la aceleración del análisis en sí. Por demás, la recomendación a las aplicaciones e investigaciones de los diferentes tipos de redes neuronales para la solución de problemas de ingeniería. |
|---|