دوره 2، شماره 1 - ( 12-1390 )                   جلد 2 شماره 1 صفحات 45-29 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Gholizadeh S, Sheidaii M, Farajzadeh S. SEISMIC DESIGN OF DOUBLE LAYER GRIDS BY NEURAL NETWORKS. IJOCE 2012; 2 (1) :29-45
URL: http://ijoce.iust.ac.ir/article-1-77-fa.html
SEISMIC DESIGN OF DOUBLE LAYER GRIDS BY NEURAL NETWORKS. عنوان نشریه. 1390; 2 (1) :29-45

URL: http://ijoce.iust.ac.ir/article-1-77-fa.html


چکیده:   (27378 مشاهده)
The main contribution of the present paper is to train efficient neural networks for seismic design of double layer grids subject to multiple-earthquake loading. As the seismic analysis and design of such large scale structures require high computational efforts, employing neural network techniques substantially decreases the computational burden. Square-on-square double layer grids with the variable length of span and height are considered. Back-propagation (BP), radial basis function (RBF) and generalized regression (GR) neural networks are trained for efficiently prediction of the seismic design of the structures. The numerical results demonstrate the superiority of the GR over the BP and RBF neural networks.
متن کامل [DOC 1671 kb]   (6296 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: Optimal design
دریافت: 1391/3/7 | انتشار: 1390/12/25

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به دانشگاه علم و صنعت ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Iran University of Science & Technology

Designed & Developed by : Yektaweb