Documents disponibles écrits par cet auteur

Estimation of Aeroelastic Parameters of Bridge Decks using Neural Networks / Jung, Sungmoon in Journal of engineering mechanics, Vol. 130 N°11 (Novembre 2004) 

Public ISBD [article]  in Journal of engineering mechanics > Vol. 130 N°11 (Novembre 2004) . - 1356-1364 p. Titre : Estimation of Aeroelastic Parameters of Bridge Decks using Neural Networks Titre original : Evaluation des Paramètres Aéroélastiques de Pont Orne en Utilisant les Réseaux Neurologiques Type de document : texte imprimé Auteurs : Jung, Sungmoon, Auteur ; Ghaboussi, Jamshid, Auteur ; Kwon, Soon-Duck ; Stolarski, Henry K., Editeur scientifique Article en page(s) : 1356-1364 p. Note générale : Génie Mécanique Langues : Anglais (eng) Mots-clés : Aeroelasticity  Bridge  decks  Flutter  Numerical  analysis  Neural  networks  Aéroélasticité  Plate-formes  de  pont  Flottement  Analyse  numérique  Réseaux  neurologiques Index. décimale : 620.1 Essais des matériaux. Défauts des matériaux. Protection des matériaux Résumé : A new method of estimating flutter derivatives using artificial neural networks is proposed. Unlike other computational fluid dynamics based numerical analyses, the proposed method estimates flutter derivatives utilizing previously measured experimental data. One of the advantages of the neural networks approach is that they can approximate a function of many dimensions. An efficient method has been developed to quantify the geometry of deck sections for neural network input. The output of the neural network is flutter derivatives. The flutter derivatives estimation network, which has been trained by the proposed methodology, is tested both for training sets and novel testing sets. The network shows reasonable performance for the novel sets, as well as outstanding performance for the training sets. Two variations of the proposed network are also presented, along with their estimation capability. The paper shows the potential of applying neural networks to wind force approximations. On propose une nouvelle méthode d'estimer des dérivés de flottement employant les réseaux neurologiques artificiels. À la différence de l'autre dynamique liquide informatique a basé des analyses numériques, les dérivés proposés de flottement d'évaluations de méthode utilisant des données expérimentales précédemment mesurées. Un des avantages de l'approche de réseaux neurologiques est qu'elles peuvent rapprocher une fonction de beaucoup de dimensions. Une méthode efficace a été développée pour mesurer la géométrie des sections de plate-forme pour l'entrée de réseau neurologique. Le rendement du réseau neurologique est des dérivés de flottement. Le réseau d'évaluation de dérivés de flottement, qui a été formé par la méthodologie proposée, est examiné pour des ensembles de formation et des ensembles d'éssai de roman. Le réseau montre l'exécution raisonnable pour les ensembles de roman, comme l'exécution se tenante dehors pour les ensembles de formation. Deux variations du réseau proposé sont également présentées, avec leurs possibilités d'évaluation. Le papier montre le potentiel d'appliquer les réseaux neurologiques aux approximations de force de vent. DEWEY : 620.1 ISSN : 0733-9399 En ligne : jghabous@uiuc.edu, silvmoon@uiuc.edu, sdkwon@chonbuk.ac.kr [article] Estimation of Aeroelastic Parameters of Bridge Decks using Neural Networks = Evaluation des Paramètres Aéroélastiques de Pont Orne en Utilisant les Réseaux Neurologiques [texte imprimé] / Jung, Sungmoon, Auteur ; Ghaboussi, Jamshid, Auteur ; Kwon, Soon-Duck ; Stolarski, Henry K., Editeur scientifique . - 1356-1364 p. Génie Mécanique Langues : Anglais (eng) in Journal of engineering mechanics > Vol. 130 N°11 (Novembre 2004) . - 1356-1364 p. Mots-clés : Aeroelasticity  Bridge  decks  Flutter  Numerical  analysis  Neural  networks  Aéroélasticité  Plate-formes  de  pont  Flottement  Analyse  numérique  Réseaux  neurologiques Index. décimale : 620.1 Essais des matériaux. Défauts des matériaux. Protection des matériaux Résumé : A new method of estimating flutter derivatives using artificial neural networks is proposed. Unlike other computational fluid dynamics based numerical analyses, the proposed method estimates flutter derivatives utilizing previously measured experimental data. One of the advantages of the neural networks approach is that they can approximate a function of many dimensions. An efficient method has been developed to quantify the geometry of deck sections for neural network input. The output of the neural network is flutter derivatives. The flutter derivatives estimation network, which has been trained by the proposed methodology, is tested both for training sets and novel testing sets. The network shows reasonable performance for the novel sets, as well as outstanding performance for the training sets. Two variations of the proposed network are also presented, along with their estimation capability. The paper shows the potential of applying neural networks to wind force approximations. On propose une nouvelle méthode d'estimer des dérivés de flottement employant les réseaux neurologiques artificiels. À la différence de l'autre dynamique liquide informatique a basé des analyses numériques, les dérivés proposés de flottement d'évaluations de méthode utilisant des données expérimentales précédemment mesurées. Un des avantages de l'approche de réseaux neurologiques est qu'elles peuvent rapprocher une fonction de beaucoup de dimensions. Une méthode efficace a été développée pour mesurer la géométrie des sections de plate-forme pour l'entrée de réseau neurologique. Le rendement du réseau neurologique est des dérivés de flottement. Le réseau d'évaluation de dérivés de flottement, qui a été formé par la méthodologie proposée, est examiné pour des ensembles de formation et des ensembles d'éssai de roman. Le réseau montre l'exécution raisonnable pour les ensembles de roman, comme l'exécution se tenante dehors pour les ensembles de formation. Deux variations du réseau proposé sont également présentées, avec leurs possibilités d'évaluation. Le papier montre le potentiel d'appliquer les réseaux neurologiques aux approximations de force de vent. DEWEY : 620.1 ISSN : 0733-9399 En ligne : jghabous@uiuc.edu, silvmoon@uiuc.edu, sdkwon@chonbuk.ac.kr