ارزیابی آزمایشگاهی باربرداری و بارگذاری مجدد در عمق های متوالی

• مقاله با عنوان: ارزیابی آزمایشگاهی باربرداری و بارگذاری مجدد در عمق های متوالی   • نویسندگان: امیر علی خوشخو ، مهدی مخبری   • محل انتشار: نهمین کنگره ملی مهندسی عمران - دانشگاه فردوسی مشهد - 21 تا 22 اردیبهشت 95   • فرمت فایل: PDF و شامل 8 صفحه می باشد.       چکیــــده: یکی از پارامترهای اساسی در طراحی پی ساختمان ها و تعیین ظرفیت باربری ضریب واکنش بستر می باشد. مهندسین معمولاً طراحی ساختمان را بر اساس مقدار ضریب واکنش بستر در سطح زمین اندازه می گیرند در حالیکه در اکثر موارد پی ها در عمق و پس از خاکبرداری ساخته می شود که اثر این خاکبرداری یعنی اثر باربرداری و بارگذاری مجدد بر پارامترهای خاک دیده نمی شود. در تحقیق حاضر به بررسی تأثیر عمق بر ضریب واکنش بستر پرداخته شده است. همچنین تاثیر دانه بندی خاک، درصد رطوبت نیز در عمق های متوالی ...

شبیه سازی مبدل تقریب متوالی SAR

                    شبیه سازی مبدل تقریب متوالی SAR با استفاده از قدرتمند ترین نرم افزار طراحی دنیاCADENCE جهت استفاده در پایان نامه ها و مقالات تحصیلات تکمیلی با هزینه 1.5میلیون تومان.       تلفن تماس :     [phone] ...

مقاله روش مبتنی بر فیلتر کالمن برای یادگیری ماشین حدی متوالی آنلاین برای مسائل رگرسیون

این فایل ترجمه فارسی مقاله زیر می باشد: Kalman filter-based method for Online Sequential Extreme Learning Machine for regression problems دانلود رایگان مقاله انگلیسی   چکیده در این مقاله، یک الگوریتم یادگیری متوالی جدید با ترکیب کردن یادگیری ماشین حدی متوالی آنلاین (OS-ELM) و رگرسیون فیلتر کالمن ساخته شده است. یادگیری ماشین حدی متوالی آنلاین کالمن (KOSELM) مسئله‌ی چند خطی OS-ELM را حل می‌کند، که می تواند پیش بینی ضعیف و مدل‌های ناپایداری را تولید نماید. KOSELM داده های آموزشی را یک به یک یا تکه به تکه با تنظیم واریانس وزن‌های خروجی از طریق فیلتر کالمن، می آموزد. عملکرد الگوریتم ارائه شده بر روی مجموعه داده‌ها‌ی رگرسیون معیار، اعتبارسنجی شده است و نتایج نشان می‌دهد که KOSELM  می تواند دقت آموزش بهتری را نسبت به OS-ELM و الحاقات مربوط به آن، ...

بررسی تاثیر شکل مهاربند بر رفتار ساختمان فولادی با مهاربند همگرا تحت اثر بارگذاری انفجار متوالی

• مقاله با عنوان: بررسی تاثیر شکل مهاربند بر رفتار ساختمان فولادی با مهاربند همگرا تحت اثر بارگذاری انفجار متوالی   • نویسندگان: بهزاد محمدی ، علی منصوری ، محسن بزی   • محل انتشار: نهمین کنگره ملی مهندسی عمران - دانشگاه فردوسی مشهد - 21 تا 22 اردیبهشت 95   • فرمت فایل: PDF و شامل 8 صفحه می باشد.       چکیــــده: یکی از تهدیداتی که امروزه علیه تجمعات انسانی و ساختمان ها وجود دارد، وقوع انفجار می باشد. از جمله حالاتی از بارگذاری انفجار که کمتر مورد مطالعه قرار گرفته است، وقوع انفجارهای متوالی است. در این حالت انفجار دوم پس از انفجار اول و با فاصله زمانی مشخص از آن اتفاق افتاده و باعث افزایش شمار تلفات و خسارات وارده می گردد. در این مقاله با انتخاب سیستم سازه ای مهاربندی همگرا، تأثیر شکل مهاربند بر عملکرد سازه تحت بارهای انفجار متوالی ...

مقایسه رفتار ساختمان های فولادی با مهاربندهای همگرا و واگرا تحت اثر بارهای انفجار متوالی

• مقاله با عنوان: مقایسه رفتار ساختمان های فولادی با مهاربندهای همگرا و واگرا تحت اثر بارهای انفجار متوالی   • نویسندگان: بهزاد محمدی ، علی منصوری   • محل انتشار: نهمین کنگره ملی مهندسی عمران - دانشگاه فردوسی مشهد - 21 تا 22 اردیبهشت 95   • فرمت فایل: PDF و شامل 8 صفحه می باشد.       چکیــــده: زمانبندی انفجار یکی از راهکارهای جدیدی است که در حملات تروریستی، به منظور ایجاد تلفات و آسیب های بیشتر مورد استفاده قرار می گیرد. در چنین مواردی ساختمان تحت انفجارهای متوالی با فاصله زمانی مشخص قرار می گیرد. در این مقاله عملکرد ساختمان های فولادی با سیستم باربر جانبی مهاربند همگرا و مهاربند واگرا تحت بارهای انفجار متوالی مورد بررسی و مقایسه قرار گرفته است. به منظور ارزیابی عملکرد سازه تحت بارگذاری انفجار از روش تحلیل دینامیکی غیرخطی استفاده ش ...

شبیه سازی مبدل تقریب متوالی SAR

                    شبیه سازی مبدل تقریب متوالی SAR با استفاده از قدرتمند ترین نرم افزار طراحی دنیاCADENCE جهت استفاده در پایان نامه ها و مقالات تحصیلات تکمیلی با هزینه 1.5میلیون تومان.       تلفن تماس :     [phone] ...

مقاله روش مبتنی بر فیلتر کالمن برای یادگیری ماشین حدی متوالی آنلاین برای مسائل رگرسیون

این فایل ترجمه فارسی مقاله زیر می باشد: Kalman filter-based method for Online Sequential Extreme Learning Machine for regression problems دانلود رایگان مقاله انگلیسی   چکیده در این مقاله، یک الگوریتم یادگیری متوالی جدید با ترکیب کردن یادگیری ماشین حدی متوالی آنلاین (OS-ELM) و رگرسیون فیلتر کالمن ساخته شده است. یادگیری ماشین حدی متوالی آنلاین کالمن (KOSELM) مسئله‌ی چند خطی OS-ELM را حل می‌کند، که می تواند پیش بینی ضعیف و مدل‌های ناپایداری را تولید نماید. KOSELM داده های آموزشی را یک به یک یا تکه به تکه با تنظیم واریانس وزن‌های خروجی از طریق فیلتر کالمن، می آموزد. عملکرد الگوریتم ارائه شده بر روی مجموعه داده‌ها‌ی رگرسیون معیار، اعتبارسنجی شده است و نتایج نشان می‌دهد که KOSELM  می تواند دقت آموزش بهتری را نسبت به OS-ELM و الحاقات مربوط به آن، ...