[article] 
inJournal of engineering mechanics > Vol. 132 N°12 (Decembre 2006) . - 1290-1300 p.

Titre :	New Approach to Designing Multilayer Feedforward Neural Network Architecture for Modeling Nonlinear Restoring Forces. I: Formulation
Titre original :	Nouvelle Approche à Concevoir l'Architecture Alimentée-vers l'Avant Multi-Couche de Réseau Neurologique pour Modeler les Forces de Reconstitution non linéaires. I : Formulation
Type de document :	texte imprimé
Auteurs :	Jin-Song Pei, Auteur ; Schueller, Gerhart L., Éditeur scientifique ; Andrew W. Smyth, Auteur
Année de publication :	2007
Article en page(s) :	1290-1300 p.
Note générale :	Génie Mécanique
Langues :	Anglais (eng)
Mots-clés :	Neural networks Mathematics Geometry Models Hysteresis Réseaux neurologiques Géométrie Mathématiques Modèles Hystérésis
Index. décimale :	620.1 Essais des matériaux. Défauts des matériaux. Protection des matériaux
Résumé :	This paper addresses the modeling problem of nonlinear and hysteretic dynamic behaviors through a constructive modeling approach which exploits existing mathematical concepts in artificial neural network modeling. In contrast with many neural network applications, which often result in large and complex “black-box” models, here, the writers strive to produce phenomenologically accurate model behavior starting with network architecture of manageable/small sizes. This affords the potential of creating relationships between model parameter values and observed phenomenological behaviors. Here a linear sum of basis functions is used in modeling nonlinear hysteretic restoring forces. In particular, nonlinear sigmoidal activation functions are chosen as the core building block for their robustness in approximating arbitrary functions. The appropriateness and effectiveness of this set of basis function in modeling a wide variety of nonlinear dynamic behaviors observed in structural mechanics are depicted from an algebraic and geometric perspective. Cet article adresse le problème modelant des comportements dynamiques non linéaires et par hystérésis par une approche modelante constructive qui exploite des concepts mathématiques existants dans modeler artificiel de réseau neurologique. Contrairement à beaucoup d'applications de réseau neurologique, qui ont souvent comme conséquence de grands et complexes modèles de "boîte-noire", ici, les auteurs tâchent de produire le comportement modèle logiquement précis de phenomeno commençant par l'architecture de réseau de petites tailles maniables. Ceci a les moyens le potentiel de créer des rapports entre les valeurs de paramètre modèles et les comportements phénoménologiques observés. Ici une somme linéaire de fonctions de base est employée en modelant les forces de reconstitution par hystérésis non linéaires. En particulier, des fonctions sigmoïdales non linéaires d'activation sont choisies comme module de noyau pour leur robustesse en rapprochant des fonctions arbitraires. La convenance et l'efficacité de cet ensemble de fonction de base en modelant une grande variété de comportements dynamiques non-linéaires observés dans la mécanique structurale sont dépeintes d'une perspective algébrique et géométrique.
DEWEY :	620.1
ISSN :	0733-9399
En ligne :	smyth@civil.columbia.edu

[article] New Approach to Designing Multilayer Feedforward Neural Network Architecture for Modeling Nonlinear Restoring Forces. I: Formulation = Nouvelle Approche à Concevoir l'Architecture Alimentée-vers l'Avant Multi-Couche de Réseau Neurologique pour Modeler les Forces de Reconstitution non linéaires. I : Formulation [texte imprimé] / Jin-Song Pei, Auteur ; Schueller, Gerhart L., Éditeur scientifique ; Andrew W. Smyth, Auteur . - 2007 . - 1290-1300 p.
Génie Mécanique
Langues : Anglais (eng)
in Journal of engineering mechanics > Vol. 132 N°12 (Decembre 2006) . - 1290-1300 p.

Mots-clés :	Neural networks Mathematics Geometry Models Hysteresis Réseaux neurologiques Géométrie Mathématiques Modèles Hystérésis
Index. décimale :	620.1 Essais des matériaux. Défauts des matériaux. Protection des matériaux
Résumé :	This paper addresses the modeling problem of nonlinear and hysteretic dynamic behaviors through a constructive modeling approach which exploits existing mathematical concepts in artificial neural network modeling. In contrast with many neural network applications, which often result in large and complex “black-box” models, here, the writers strive to produce phenomenologically accurate model behavior starting with network architecture of manageable/small sizes. This affords the potential of creating relationships between model parameter values and observed phenomenological behaviors. Here a linear sum of basis functions is used in modeling nonlinear hysteretic restoring forces. In particular, nonlinear sigmoidal activation functions are chosen as the core building block for their robustness in approximating arbitrary functions. The appropriateness and effectiveness of this set of basis function in modeling a wide variety of nonlinear dynamic behaviors observed in structural mechanics are depicted from an algebraic and geometric perspective. Cet article adresse le problème modelant des comportements dynamiques non linéaires et par hystérésis par une approche modelante constructive qui exploite des concepts mathématiques existants dans modeler artificiel de réseau neurologique. Contrairement à beaucoup d'applications de réseau neurologique, qui ont souvent comme conséquence de grands et complexes modèles de "boîte-noire", ici, les auteurs tâchent de produire le comportement modèle logiquement précis de phenomeno commençant par l'architecture de réseau de petites tailles maniables. Ceci a les moyens le potentiel de créer des rapports entre les valeurs de paramètre modèles et les comportements phénoménologiques observés. Ici une somme linéaire de fonctions de base est employée en modelant les forces de reconstitution par hystérésis non linéaires. En particulier, des fonctions sigmoïdales non linéaires d'activation sont choisies comme module de noyau pour leur robustesse en rapprochant des fonctions arbitraires. La convenance et l'efficacité de cet ensemble de fonction de base en modelant une grande variété de comportements dynamiques non-linéaires observés dans la mécanique structurale sont dépeintes d'une perspective algébrique et géométrique.
DEWEY :	620.1
ISSN :	0733-9399
En ligne :	smyth@civil.columbia.edu