최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기터널과 지하공간: 한국암반공학회지 = Tunnel and underground space, v.28 no.3, 2018년, pp.277 - 291
LSTM (Long Short-Term Memory) algorithm which is a kind of recurrent neural network was used to establish a model to predict the stress-strain curve of an material under uniaxial compression. The model was established from the stress-strain data from uniaxial compression tests of silica-gypsum speci...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
LSTM 순환 신경망은 어떤 신경망인가? | LSTM 순환 신경망은 기존의 순환 신경망에서 은닉 상태를 계산하기 전에 LSTM 알고리즘을 거치는 순환 신경망이다. LSTM의 구조로는 여러 모델이 제안되었고, 이 연구에 사용한 모델이 Fig. | |
LSTM 순환 신경망 알고리즘이 도입되게 된 배경으로 기본적인 순환신경망의 특징은 무엇인가? | 반면에 순환 신경망은 노드에 과거 정보가 저장되어 다음 시간 단계로 전달되며, 이를 통해 과거 데이터가 현재 값 예측 과정에 사용될 수 있어 시계열 데이터의 분석에 잘 활용된다. 그러나 기본적인 순환신경망은 현재 값 예측에 사용하는 과거 데이터의 길이가 긴 경우 과거의 정보 중 일부가 전달 과정 중에 소실되며, 기울기 소실 문제로 학습이 원활하게 이루어지지 않는다(Gers et al., 2002). | |
점탄성 모델의 단점은 무엇인가? | 본 연구에서는 점탄성 모델이 일축압축시험 초반부 응력-변형률 데이터만을 사용하여 후반부의 응력-변형률 곡선을 예측하는 것에 한계가 있다는 것을 확인한 후, 신경망 모델을 도입하여 이와는 차별화된 결과를 얻었다. 결과적으로 이론적인 모델 도입 없이 오직 응력-변형률 데이터만을 사용하여 학습 과정을 거친 후 적은 양의 초기 단계의 응력-변형률 데이터로부터 향후의 거동을 예측하였다. |
Arindam, D. and Prabir, B., 2012, Estimation of Burger model parameters using inverse formulation, International Journal of Geotechnical Engineering, Vol. 6, No. 3, pp. 261-274.
Byun, H., Fereshtenejad, S. and Song, J., 2018, A study on the effect of grain content and size on mechanical properties of artificial sedimentary rocks, Tunnel and Underground Space, Vol. 28, No. 2, pp. 156-169.
Gers, F., Schraudolph, N. and Schmidhuber, J., 2002, Learning precise timing with LSTM recurrent networks, Journal of Machine Learning Research, Vol. 3, pp. 115-143.
Guan, Z., Jiang, Y., Tanabashi, Y. and Huang, H., 2008, A new rheological model and its application in mountain tunnelling, Tunnelling and Underground Space Technology, Vol. 23, No. 3, pp. 292-299.
Hardy, H.R., 1967, Analysis of the inelastic deformation of geologic materials in terms of mechanical models, Spring Meeting, Society for Experimental Stress Analysis, Ottawa, Canada.
Hudson, J.A. and Harrison, J.P., 1997, Engineering Rock Mechanics: an introduction to the principle, Pergamon, Elsevier Science, Oxford 215p.
Karami, M. and Fahimifar, A., 2013, A new time-dependent constitutive model and its application in underground construction, ISRM International Symposium on Rock Mechanic for Resources, Energy and Environment, Wroclaw, Poland, pp. 21-26.
Li, Y., Zhu, W., Fu, J., Guo, Y. and Qi, Y., 2014, A damage rheology model applied to analysis of splitting failure in underground caverns of Jinping I hydropower station, International Journal of Rock Mechanics and Mining Sciences, Vol. 71, pp. 224-234.
Perez-Ortiz, J., Gers, F., Eck, D. and Schmidhuber. J., 2003, Kalman filters improve LSTM network performance in problems unsolvable by traditional recurrent nets, Neural Networks, Vol. 16, No. 2, pp. 241-250.
Skrzypek, J.J., Ganczarski, A.W., 2015, Constitutive Equations for Isotropic and Anisotropic Linear Viscoelastic Materials, Mechanics of Anisotropic Materials, Engineering Materials. Springer, Cham, pp 57-85.
Zaremba, W., Sutskever, I. and Vinyals, O., 2014, Recurrent neural network regularization, arXiv preprint arXiv:1409.2329v5.
Zhao, D., Jia, L., Wang, M. and Wang, F., 2016, Displacement prediction of tunnels based on a generalised Kelvin constitutive model and its application in a subsea tunnel, Tunnelling and Underground Space Technology, Vol. 54, pp. 29-36.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.