標題: 類神經網路學習演算法在土木結構設計之應用
Neural Network Learning Algorithms for Structure Engineering
作者: 洪士林
HUNG SHIH-LIN
交通大學土木工程學系
關鍵字: 類神經網路;優化理論;學習演算法;機械學習;電腦輔助設計;向後推導法;Neural networks;Optimization theory;Learning algorithms;Machine learning;Computer aided design;Backpropagation
公開日期: 1993
摘要: 本計畫的目的是要推導一有效的類神經網路學 習演算法(Learning Algorithm),並探討與比較新的演算 法與已發展的演算法的效果,並把新的類神經網 路演算法應用在土木結構設計上;諸如混凝土樑 斷面之設計或鋼結構樑斷面之選擇上.基於最佳化理論中最陡方向法(Steepest Descent Method ),向後推導法(Error Backpropagation)已被廣泛用於多 層類神經網路中.然而,此法的收斂性較差,且需要 長時間的學習,才能使該類神經網路達到預期的 學習效果.所以,本計畫將利用最佳化理論的演算 法來改良向後推導法,並推導出一個較有效率的 類神經網路學習法則,最小記憶BFGS方法(L-BFGS method)利用最少的電腦記憶空間並有最佳的搜尋 方向,本計畫將採用此法來改良已有的演算法.
官方說明文件#: NSC82-0113-E009-421-T
URI: http://hdl.handle.net/11536/97850
https://www.grb.gov.tw/search/planDetail?id=65038&docId=9600
Appears in Collections:Research Plans