Phương pháp xử lý hiện tượng mô hình quá khớp trong xây dựng mô hình học sâu để ước lượng khả năng chịu tải của giàn phi tuyến

Chỉ số đề mục

Lĩnh vực nghiên cứu

Kỹ thuật xây dựng

Dạng tài liệu

Tác giả

Hà Mạnh Hùng, Trương Việt Hùng, Đinh Văn Thuật⁽²⁾, Vũ Quang Việt⁽¹⁾

Nhan đề

Phương pháp xử lý hiện tượng mô hình quá khớp trong xây dựng mô hình học sâu để ước lượng khả năng chịu tải của giàn phi tuyến

Nhan đề tiếng anh

Methods to solve overfitting of deep learning model for estimating loadcarrying Capacity of nonlinear trusses

Nguồn trích

Tạp chí Khoa học Công nghệ Xây dựng

Năm xuất bản

2020

Số

1

Trang

12-20

ISSN

2615-9058

Từ khóa

Xây dựng, Trí tuệ nhân tạo, Phân tích trực tiếp, Kết cấu, Giàn phi tuyến, Máy học, Chịu tải

Từ khóa tiếng anh

Deep learning, Artificial intelligent, Advanced analysis, Truss, Machine learning

Tóm tắt

Hiện tượng mô hình quá khớp (overfitting) là một trong những nguyên nhân quan trọng làm giảm hiệu quả củamô hình học sâu, đặc biệt là trong các bài toán có tính phi tuyến cao như bài toán ước lượng khả năng chịutải của giàn làm bằng kim loại. Bài báo này sẽ trình bày, phân tích và so sánh hiệu quả của một số kỹ thuậtthường được áp dụng hiện nay cho việc xử lý hiện tượng mô hình quá khớp bao gồm kỹ thuật dừng sớm (EarlyStopping), nhớ mô hình (Model Checkpoint) và kết hợp hai kỹ thuật trên. Một giàn phẳng gồm 39 thanh đượcsử dụng để minh họa cho nghiên cứu. Tập dữ liệu cho mô hình học sâu được tạo ra từ phân tích phi tuyến giàncó thông số đầu vào là diện tích mặt cắt ngang của các thanh giàn và thông số đầu ra là hệ số khả năng chịu tải(LF). Kết quả nghiên cứu cho thấy phương pháp kết hợp cả hai kỹ thuật dừng sớm và nhớ mô hình đem lại hiệuquả cao nhất về cả góc độ thời gian huấn luyện và độ chính xác của mô hình.

Tóm tắt tiếng anh

Overfitting is one of the most important problems to reduce the performance of a deep learning model, especially in highly nonlinear problems such as estimation of load-carrying capacity of nonlinear inelastic steel trusses. This paper presents common methods to solve overfitting such as Early Stopping, Model Checkpoint, and the combination of both methods. A planar steel truss with 39 elements is used to illustrate the study. Data for the deep learning model is generated by using an advanced analysis, where the inputs are cross-sectional areas of the truss elements and output is the ultimate load factor of the structure. The results show that the combination of Early Stopping and Model Checkpoint provide the best performance regarding both computational efforts and accuracy.

Kí hiệu kho

TTKHCNQG, CVv 346

File toàn văn

Xem toàn văn