portada Implémentation de l'analyse statistique ACP avec l'approche neuronale (en Francés)

Implémentation de l'analyse statistique ACP avec l'approche neuronale (en Francés)

Formato

Libro Físico

Autor

Amal Benali

Editorial

Editions Universitaires Europeennes

Idioma

Francés

N° páginas

120

Encuadernación

Tapa Blanda

Dimensiones

22.9x15.2x0.7 cm

Peso

0.19 kg.

ISBN13

9786138425113

Categorías

Tecnología: cuestiones generales

Implémentation de l'analyse statistique ACP avec l'approche neuronale (en Francés)

Amal Benali (Autor) · Editions Universitaires Europeennes · Tapa Blanda

Libro Nuevo Importado

Envío: 25 a 32 días háb.

$ 133.58$ 73.47

-45%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 73.47

Llega entre el 21 Sep y el 02 Oct a Quito, Pichincha. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Implémentation de l'analyse statistique ACP avec l'approche neuronale (en Francés)"

Au cours de ces dernières années la détermination de la capacité portante des pieux à partir de données des essais in-situ en tant qu'un complément de l'analyse statique et dynamique, a été utilisée par les ingénieurs géotechniciens. L'essai de pénétration standard (SPT) est souvent le plus couramment utilisé parmi les tests in situ dans certains pays au monde. Le projet présenté dans cet ouvrage est une combinaison de deux approches, les réseaux de neurones artificiels et l'analyse par les composantes principales a été effectuée. Cette implémentation permettra le développement d'un modèle réseau de neurone qui donne une prévision plus précise des capacités portantes axiales des pieux en se basant sur l'essai SPT. Le perceptron multicouche à rétropropagation avec la régularisation bayésienne (RB) a été utilisé pour concevoir ce modèle. Cela a été établi par l'incorporation d'environ 497 données, obtenu à partir de la littérature publiée, de programmes expérimentaux pour une grande variété de pieux. Le procédé de l'ACP est proposé pour la compression et la suppression de la corrélation entre ces données. Cela permettra l'amélioration de la performance de généralisation du modèle. La