dr hab. inż. Maria Mrówczyńska, prof.  Uniwersytet Zielonogórski, Wydział Budownictwa, Architektury i Inżynierii Środowiska

Autor do korespondencji e-mail : Ten adres pocztowy jest chroniony przed spamowaniem. Aby go zobaczyć, konieczne jest włączenie w przeglądarce obsługi JavaScript.

DOI: 10.15199/33.2016.11.14

W artykule przedstawiono podstawowe zasady budowania i uczenia sieci neuronowych zwane metodą (techniką) wektorów podtrzymujących (ang. Support Vector Machine – SVM) wraz z możliwością aplikacji tego rodzaju sieci. Sieci nieliniowe SVM wykorzystano do klasyfikacji danych separowalnych liniowo w celu sformułowania modelu przemieszczeń punktów sieci pomiarowo-kontrolnej. Punkty sieci pomiarowo-kontrolnej zostały założone na obiekcie budowlanym posadowionym na gruntach ekspansywnych.

Słowa kluczowe: sieci neuronowe, przemieszczenia pionowe, klasyfikacja.

* * *

Classification of vertical displacements with the use neural networks SVM

The article presents the basic rules for constructing and training neural networks called the Support Vector Machine (SVM) method as well as possible applications for this kind of network. Non-linear SVMnetworks have been used for classifying linearly separable data with a view to formulating a model of displacements of points in a measurement-control network. The points of the measurement-control network were placed on a civil engineering object located on expansive soil.

Keywords: neural networks, vertical displacements, classification.

Literatura

[1] Bishop Christopher.M. 2006. „Pattern Recognition and Machine Learningupport”. Springer. New York.
[2] Gil Józef. 1995. „Badanie nieliniowego geodezyjnego modelu przemieszczeń (na przykładzie obciążonego podłoża gruntowego)”. Zielona Góra. Wydawnictwo Wyższej Szkoły Inżynierskiej w Zielonej Górze.
[3] Gontaszewska Agnieszka, Maria Mrówczyńska. 2008. Charakterystyka nierównomiernych osiadań obiektu budowlanego posadowionego na gruntach ekspansywnych. Oficyna Wydawnicza Uniwersytetu Zielonogórskiego.
[4] Mrówczyńska Maria. 2014. „Sieć liniowa SVM do wyznaczenia przemieszczeń pionowych”. Przegląd Geodezyjny. Warszawa.
[5] Osowski Stanisław. 2006 „Sieci neuronowe do przetwarzania informacji”. Warszawa. Oficyna Wydawnicza Politechniki Warszawskiej.
[6] Vapnik Vladimir. 1998. Statistical learning theory. New York.Wiley.
[7] Zanni Luca, Thomas Serafini, Gaetano Zanghirati. 2006 „Parallel Software for Training Large Scale Support Vector Machines on Multiprocessor Systems”. Journal of Machine Learning Research (7).

Otrzymano : 28.09.2016 r.

Przeczytaj cały artykuł >>

 

Materiały Budowlane 11/2016, str. 44-45 (spis treści >>)