ترجمه مقاله تخصصی در حوزه عمران و تشخیص خرابی 

عنوان مقاله :

پایش سلامت پل ها با استفاده از داده‌های موجود بر مبنای یادگیری عمیق 

بخشی از چکیده مقاله:

پایش سلامت سازه‌های عمرانی سال‎هاست مورد توجه محققان بوده است وآ‎ن‎ها مدت‎هاست به دنبال روش‎های نوین در دستیابی به اطلاعات و نتایج هستند. دست‎یابی و تحلیل داده‎ها با حداقل خطا در کم‎ترین زمان ممکن مهم‎ترین هدف در سال‎های اخیر بوده است. با پیشرفت روزافزون علم یادگیری ماشین نه تنها شرایط را برای پیشرفت علوم مهندسی مهیا کرده است بلکه به گونه‌ای بوده که امروزه این کامپیوترها هستند که اغلب محاسبات مهم را بر عهده خواهند داشت، یکی از روش‌هایی که امروزه بسیار موردتوجه قرارگرفته است استفاده از شبکه‌های عصبی عمیق کانولوشن به‌منظور تحلیل سیگنال‌های سازه است. این روش علاوه بر افزایش سرعت تحلیل داده با کاهش اثر عوامل انسانی خطای آن را نیز کاهش میدهد.

بخشی از متن:

2.4. معماری شبکه عصبی عمیق کانولوشن

تفاوت عمده شبکه های کانولشن با شبکه عصبی معمولی در این است که در حداقل در یکی از لایه‌های آن از کانولوشن به جای ضرب معمولی استفاده می شود. در نتیجه این شبکه ها در تحلیل داده‌های با مکان‌شناسی شبکه ای مانند تصاویر و داده‌های زمانی دو بعدی بسیار کارآمد هستند.

در این مطالعه یک شبکه عمیق کانولوشن با چندین لایه مختلف طراحی شده است تا با کمک آن داده های سالم و ناسالم پل کابلی از یکدیگر تشخیص داده شوند. یک شبکه کانولوشن به طور معمول از سه مرحله تشکیل می شود: کانولوشن، فعال‌سازی غیرخطی، و انتخاب. علاوه بر این از توابع بهینه سازADAM و SGD به صورت جداگانه جهت مقایسه عملکرد شبکه استفاده شده است. همان طور که در شکل5 نمایش داده شده است جزئیات معماری شبکه به این صورت خواهد بود: 1) یک لایه کانولوشن به همراه لایه انتخاب 2) دو لایه کانولوشن یکسان شامل لایه انتخاب و تابع فعال‌سازی 3) در نهایت خروجی جهت تبدیل به داده یک بعدی از یک لایه تماما متصل (FC) عبور خواهد کرد[9].