期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
有限元模型修正中的贝叶斯深度神经网络构架优化设计
被引量：
1
1
作者
何宇轩
尹涛
王曦
《振动与冲击》
北大核心
2025年第6期184-190,共7页
贝叶斯神经网络(Bayesian neural network,BNN)相较于传统人工神经网络具有更强的噪声鲁棒性,在结构系统识别与健康监测领域逐渐受到关注,目前该领域的相关文献主要集中于单隐含层BNN的应用及其构架设计。具有一定深度的多隐含层构架相...
贝叶斯神经网络(Bayesian neural network,BNN)相较于传统人工神经网络具有更强的噪声鲁棒性,在结构系统识别与健康监测领域逐渐受到关注,目前该领域的相关文献主要集中于单隐含层BNN的应用及其构架设计。具有一定深度的多隐含层构架相比于单隐含层在复杂高维数据拟合上通常具有更强的泛化能力,但针对多隐含层BNN构架优化设计问题的研究目前尚未见报道。该研究旨在针对多隐含层BNN并结合有限元模型修正问题开展构架优化设计研究,发展基于证据对数的多隐含层BNN网络性能定量量度,并提出一种实现多隐含层BNN各隐含层神经元数量同步优化的高效算法,获得针对具体模型修正问题的多隐含层BNN构架优化设计方案。通过基于现场实测模态参数的某大跨度钢结构人行桥模型修正验证了所提出方法的正确性和有效性。
展开更多
关键词
结构系统识别
结构健康监测
有限元模型修正
贝叶斯深度神经网络
构架优化设计
在线阅读
下载PDF
职称材料
基于主动学习与贝叶斯深度神经网络的高维多输出不确定性传播方法
2
作者
刘竟飞
姜潮
+1 位作者
倪冰雨
汪宗太
《中国机械工程》
EI
CAS
CSCD
北大核心
2024年第5期792-801,共10页
针对实际工程中存在的具有多个输出响应的高维问题,提出一种基于主动学习与贝叶斯深度神经网络的高维多输出不确定性传播方法。利用多个输出响应对应同一组输入变量的特点,对输入变量进行一次性采样,从而构造初始训练样本集。采用贝叶...
针对实际工程中存在的具有多个输出响应的高维问题,提出一种基于主动学习与贝叶斯深度神经网络的高维多输出不确定性传播方法。利用多个输出响应对应同一组输入变量的特点,对输入变量进行一次性采样,从而构造初始训练样本集。采用贝叶斯深度神经网络初步构建高维多输出问题的代理模型。贝叶斯深度神经网络能够同时求解多个预测输出响应的不确定性估计,基于该特点发展了一种针对高维多输出问题的主动加点策略,通过主动学习的方式进一步构建具有较高精度的高维多输出代理模型。然后,利用蒙特卡罗采样方法以及高斯混合模型求解多个输出响应的联合概率密度函数。研究结果表明,所提方法不仅能够避免分别对多个输出响应进行独立求解的复杂过程,而且能够利用多个输出响应之间的关联,主动筛选关键样本点进行建模,在一定程度上提高了高维多输出问题的求解效率。最后,通过几个数值算例验证了所提方法的有效性。
展开更多
关键词
主动学习
贝叶斯深度神经网络
高维不确定性
多输出问题
在线阅读
下载PDF
职称材料
题名
有限元模型修正中的贝叶斯深度神经网络构架优化设计
被引量：
1
1
作者
何宇轩
尹涛
王曦
机构
武汉大学土木建筑工程学院
出处
《振动与冲击》
北大核心
2025年第6期184-190,共7页
基金
国家自然科学基金资助项目(51778506)。
文摘
贝叶斯神经网络(Bayesian neural network,BNN)相较于传统人工神经网络具有更强的噪声鲁棒性,在结构系统识别与健康监测领域逐渐受到关注,目前该领域的相关文献主要集中于单隐含层BNN的应用及其构架设计。具有一定深度的多隐含层构架相比于单隐含层在复杂高维数据拟合上通常具有更强的泛化能力,但针对多隐含层BNN构架优化设计问题的研究目前尚未见报道。该研究旨在针对多隐含层BNN并结合有限元模型修正问题开展构架优化设计研究,发展基于证据对数的多隐含层BNN网络性能定量量度,并提出一种实现多隐含层BNN各隐含层神经元数量同步优化的高效算法,获得针对具体模型修正问题的多隐含层BNN构架优化设计方案。通过基于现场实测模态参数的某大跨度钢结构人行桥模型修正验证了所提出方法的正确性和有效性。
关键词
结构系统识别
结构健康监测
有限元模型修正
贝叶斯深度神经网络
构架优化设计
Keywords
structural system identification
structural health monitoring
finite element(FE)model updating
Bayesian deep neural network
optimal architecture design
分类号
TU331.3 [建筑科学—结构工程]
在线阅读
下载PDF
职称材料
题名
基于主动学习与贝叶斯深度神经网络的高维多输出不确定性传播方法
2
作者
刘竟飞
姜潮
倪冰雨
汪宗太
机构
河南工业大学机电工程学院
湖南大学机械与运载工程学院
中国核电工程有限公司
出处
《中国机械工程》
EI
CAS
CSCD
北大核心
2024年第5期792-801,共10页
基金
国家自然科学基金重点项目(52235005)
河南省高等学校重点科研项目计划(23A460011)
+1 种基金
河南工业大学高层次人才科研启动基金(2022BS025)
国家自然科学基金(52175224)。
文摘
针对实际工程中存在的具有多个输出响应的高维问题,提出一种基于主动学习与贝叶斯深度神经网络的高维多输出不确定性传播方法。利用多个输出响应对应同一组输入变量的特点,对输入变量进行一次性采样,从而构造初始训练样本集。采用贝叶斯深度神经网络初步构建高维多输出问题的代理模型。贝叶斯深度神经网络能够同时求解多个预测输出响应的不确定性估计,基于该特点发展了一种针对高维多输出问题的主动加点策略,通过主动学习的方式进一步构建具有较高精度的高维多输出代理模型。然后,利用蒙特卡罗采样方法以及高斯混合模型求解多个输出响应的联合概率密度函数。研究结果表明,所提方法不仅能够避免分别对多个输出响应进行独立求解的复杂过程,而且能够利用多个输出响应之间的关联,主动筛选关键样本点进行建模,在一定程度上提高了高维多输出问题的求解效率。最后,通过几个数值算例验证了所提方法的有效性。
关键词
主动学习
贝叶斯深度神经网络
高维不确定性
多输出问题
Keywords
active learning
Bayesian deep neural network(BDNN)
high dimensional uncertainty
multioutput problem
分类号
TP182 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
有限元模型修正中的贝叶斯深度神经网络构架优化设计
何宇轩
尹涛
王曦
《振动与冲击》
北大核心
2025
1
在线阅读
下载PDF
职称材料
2
基于主动学习与贝叶斯深度神经网络的高维多输出不确定性传播方法
刘竟飞
姜潮
倪冰雨
汪宗太
《中国机械工程》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
