ANN is a method that empirically ma

ANN is a method that empirically maps inputs to outputs with no specification of the form of the relationship. This leaves the method highly sensitive to the composition of the training samples. In this study, only regular cable-stayed bridges having either 2 or 3 spans with a typical cable arrangement (fan, harp, or radial) and a basic pylon type (I, H, or A shape) are considered. It is assumed that all existing cable-stayed bridges can serve as good training and testing data, since they have been constructible and are functioning. Thus, the training and testing data in this study were based on a collection of existing cablestayed bridges constructed during the last 35 years. Most of these data were obtained from published literature and web sites. Knowledge will be extracted from these sources of data. These samples of existing cable-stayed bridges were manually rearranged, so that they are randomly divided into the training set and the testing set. It is well known that back propagation neural networks do not extrapolate well. To provide good results, the training set must include data over the entire range of the input space.

Kết quả (Việt) 1:

ANN là một phương pháp mà empirically bản đồ vào kết quả đầu ra với không có đặc điểm kỹ thuật của các hình thức của mối quan hệ. Điều này lá phương pháp rất nhạy cảm với thành phần đào tạo mẫu. Trong nghiên cứu này, thường xuyên chỉ cây cầu dây văng có 2 hoặc 3 kéo dài với một sắp xếp điển hình cáp (fan hâm mộ, đàn hạc, hoặc bố trí hình tròn) và một loại cơ bản thân (tôi, H, hoặc một hình dạng) được coi là. Người ta cho rằng tất cả cây cầu dây văng hiện tại có thể phục vụ như là đào tạo tốt và kiểm tra dữ liệu, vì họ đã được nối và hoạt động. Do đó, các dữ liệu đào tạo và thử nghiệm trong nghiên cứu này được dựa trên một bộ sưu tập của hiện tại cablestayed cầu được xây dựng trong 35 năm. Hầu hết các dữ liệu được thu được từ xuất bản văn học và các trang web. Kiến thức sẽ được chiết xuất từ các nguồn dữ liệu. Các mẫu cây cầu dây văng hiện tại được tự sắp xếp lại, do đó họ ngẫu nhiên được chia thành các thiết lập đào tạo và các thiết lập thử nghiệm. Nó là nổi tiếng rằng mạng nơ-ron tuyên truyền trở lại không ngoại suy tốt. Để cung cấp kết quả tốt, các thiết lập đào tạo phải bao gồm dữ liệu trên phạm vi toàn bộ của đầu vào không gian.

Kết quả (Việt) 2:

ANN là một phương pháp mà theo kinh nghiệm bản đồ đầu vào đến đầu ra không có đặc điểm kỹ thuật của các hình thức của mối quan hệ. Điều này làm các phương pháp rất nhạy cảm với các thành phần của mẫu huấn luyện. Trong nghiên cứu này, cây cầu dây văng chỉ thường xuyên có 2 hoặc 3 nhịp với một sự sắp xếp điển hình cáp (quạt, đàn hạc, hoặc hướng tâm) và một loại tháp cơ bản (I, H, hoặc một hình dạng) đều được xem xét. Người ta cho rằng tất cả các cầu dây văng hiện tại có thể phục vụ đào tạo và kiểm tra dữ liệu như là tốt, vì họ đã constructible và đang hoạt động. Do đó, dữ liệu huấn luyện và thử nghiệm trong nghiên cứu này được dựa trên một tập hợp các cầu dây văng hiện xây dựng trong 35 năm qua. Hầu hết các dữ liệu thu được từ các tài liệu và các trang web được xuất bản. Kiến thức sẽ được trích xuất từ ​​các nguồn dữ liệu. Những mẫu cầu dây văng hiện được bằng tay sắp xếp lại, để họ được chia ngẫu nhiên thành tập huấn luyện và thử nghiệm các thiết lập. Nó cũng được biết rằng các mạng lưới thần kinh truyền lại không suy luận tốt. Để cung cấp kết quả tốt, tập huấn luyện phải bao gồm dữ liệu trên toàn bộ phạm vi của không gian đầu vào.