.png){kind=icon}
返回
Neural-network-based reliability analysis: a comparative study
.png){kind=icon}
PRE
AI
DOI：10.1016/S0045-7825(01)00248-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
总结了当随机性的来源可以建模为随机变量时，不同类型的神经网络在结构概率分析中的适用性研究。该网络被用作数值设备，以代替蒙特卡洛模拟所需的有限元代码。比较包括两种网络类型 (多层感知器和径向基函数分类器)，成本函数 (平方误差和交叉熵的总和)，优化算法 (反向传播，高斯-牛顿，牛顿-拉夫森)，用于生成训练总体的采样方法 (使用变量的均匀分布和实际分布) 和神经网络使用的目的 (作为函数逼近器和数据分类器)。对四个示例进行了比较研究，分别对应于不同类型的极限状态功能和结构行为。分析指出了在该领域中使用神经网络的一些推荐方法。（C）2001年爱思唯尔科学有限公司。版权所有。
Keyword:
reliability analysis
Monte Carlo simulation
neural networks
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.3
论文数:
1.3W
被引数:
5.6W
机构
暂无机构信息
引用论文
.png){kind=icon}
Cross-linkable Polymer Matrix for Enhanced Thermal Stability of Succinonitrile-based Polymer Electrolyte in Lithium Rechargeable Batteries可交联聚合物基质，用于增强锂可充电电池中基于丁二腈的聚合物电解质的热稳定性
OAAI
OAAI分享收藏
查看更多内容