[article] 
inJournal of engineering mechanics > Vol. 132 N°12 (Decembre 2006) . - 1301-1312 p.

Titre :	New Approach to Designing Multilayer Feedforward Neural Network Architecture for Modeling Nonlinear Restoring Forces. II: Applications
Titre original :	Nouvelle Approche à Concevoir l'Architecture Multicouche de Réseau Neurologique d'Alimentation en Avant pour Modeler les Forces de Reconstitution Non Linéaires. II : Applications
Type de document :	texte imprimé
Auteurs :	Jin-Song Pei, Auteur ; Andrew W. Smyth, Auteur ; Schueller, Gerhart L., Éditeur scientifique
Année de publication :	2007
Article en page(s) :	1301-1312 p.
Note générale :	Génie Mécanique
Langues :	Anglais (eng)
Mots-clés :	Neural networks Dynamic response Models Parameters Design Réseaux neurologiques Réponse dynamique Modèles Paramètres Conception
Index. décimale :	620.1 Essais des matériaux. Défauts des matériaux. Protection des matériaux
Résumé :	Based on the basic formulation developed in a companion paper, the writers now present the application of an artificial neural network approach to designing streamlined network models to simulate and identify the nonlinear dynamic response of single-degree-of-freedom oscillators using the restoring force-state mapping interpretation. The neural networks which use sigmoidal activation functions are shown to be highly robust in modeling a wide variety of commonly observed nonlinear structural dynamic response behaviors. By streamlining the networks, individual network model parameters take on physically or geometrically interpretable meaning, and hence, the network initialization can be achieved through an engineered approach rather than through less physically meaningful numerical initialization schemes. Although not proven in general, examples show that by starting with a more meaningful initial design, identification convergence is improved, and the final identified model parameters are seen to have a more physical meaning. A set of model architecture prototypes is developed to capture commonly observed nonlinear response behaviors. Basé sur la formulation de base qui s'est développé dans un papier de compagnon, les auteurs présentent maintenant l'application d'une approche artificielle de réseau neurologique à concevoir sur les modèles profilés de réseau pour simuler et identifier la réponse dynamique non-linéaire des oscillateurs de simple-degré-de-liberté en utilisant l'force-état de reconstitution traçant l'interprétation. Les réseaux neurologiques qui emploient des fonctions sigmoïdales d'activation s'avèrent fortement robustes en modelant une grande variété de comportements structuraux non linéaires généralement observés de réponse dynamique. Par le jet rayant les réseaux, les différents paramètres de modèle de réseau prennent dessus la signification physiquement ou géométriquement interprétable, et par conséquent, l'initialisation de réseau peut être réalisée par une approche machinée plutôt que par des arrangements numériques moins physiquement signicatifs d'initialisation. Bien que non avéré en général, les exemples montrent cela près commençant par une conception initiale plus signicative, la convergence d'identification est améliorée, et les paramètres modèles identifiés finals sont vus pour avoir une signification plus physique. Un ensemble de prototypes modèles d'architecture est développé pour capturer des comportements non linéaires généralement observés de réponse.
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. II: Applications = Nouvelle Approche à Concevoir l'Architecture Multicouche de Réseau Neurologique d'Alimentation en Avant pour Modeler les Forces de Reconstitution Non Linéaires. II : Applications [texte imprimé] / Jin-Song Pei, Auteur ; Andrew W. Smyth, Auteur ; Schueller, Gerhart L., Éditeur scientifique . - 2007 . - 1301-1312 p.
Génie Mécanique
Langues : Anglais (eng)
in Journal of engineering mechanics > Vol. 132 N°12 (Decembre 2006) . - 1301-1312 p.

Mots-clés :	Neural networks Dynamic response Models Parameters Design Réseaux neurologiques Réponse dynamique Modèles Paramètres Conception
Index. décimale :	620.1 Essais des matériaux. Défauts des matériaux. Protection des matériaux
Résumé :	Based on the basic formulation developed in a companion paper, the writers now present the application of an artificial neural network approach to designing streamlined network models to simulate and identify the nonlinear dynamic response of single-degree-of-freedom oscillators using the restoring force-state mapping interpretation. The neural networks which use sigmoidal activation functions are shown to be highly robust in modeling a wide variety of commonly observed nonlinear structural dynamic response behaviors. By streamlining the networks, individual network model parameters take on physically or geometrically interpretable meaning, and hence, the network initialization can be achieved through an engineered approach rather than through less physically meaningful numerical initialization schemes. Although not proven in general, examples show that by starting with a more meaningful initial design, identification convergence is improved, and the final identified model parameters are seen to have a more physical meaning. A set of model architecture prototypes is developed to capture commonly observed nonlinear response behaviors. Basé sur la formulation de base qui s'est développé dans un papier de compagnon, les auteurs présentent maintenant l'application d'une approche artificielle de réseau neurologique à concevoir sur les modèles profilés de réseau pour simuler et identifier la réponse dynamique non-linéaire des oscillateurs de simple-degré-de-liberté en utilisant l'force-état de reconstitution traçant l'interprétation. Les réseaux neurologiques qui emploient des fonctions sigmoïdales d'activation s'avèrent fortement robustes en modelant une grande variété de comportements structuraux non linéaires généralement observés de réponse dynamique. Par le jet rayant les réseaux, les différents paramètres de modèle de réseau prennent dessus la signification physiquement ou géométriquement interprétable, et par conséquent, l'initialisation de réseau peut être réalisée par une approche machinée plutôt que par des arrangements numériques moins physiquement signicatifs d'initialisation. Bien que non avéré en général, les exemples montrent cela près commençant par une conception initiale plus signicative, la convergence d'identification est améliorée, et les paramètres modèles identifiés finals sont vus pour avoir une signification plus physique. Un ensemble de prototypes modèles d'architecture est développé pour capturer des comportements non linéaires généralement observés de réponse.
DEWEY :	620.1
ISSN :	0733-9399
En ligne :	smyth@civil.columbia.edu