Este estudio investiga un aprendizaje basado en instancias ponderadas adaptativas, para la predicción de la capacidad última de corte por punzonamiento (UPSC) de losas reforzadas con polímeros reforzados con fibra (FRP). El concepto del nuevo método es emplear la Evolución Diferencial para construir un modelo de regresión basado en instancias adaptativas. El rendimiento del modelo propuesto se compara con el de la Red Neuronal Artificial (ANN) y métodos tradicionales basados en fórmulas. Se ha recopilado un conjunto de datos que contiene los resultados de pruebas de losas de concreto reforzadas con FRP para establecer y verificar el nuevo enfoque. Este estudio muestra que el modelo de regresión basado en instancias investigado es capaz de proporcionar un resultado de predicción mucho más preciso que las fórmulas tradicionales y muy competitivo con el enfoque de caja negra de ANN. Además, el aprendizaje basado en instancias ponderadas adaptativas propuesto proporciona un medio para cuantificar la
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículos:
Cálculo de la presión espacial fluctuante de hélices subacuáticas contrarrotatorias en condiciones de no cavitación
Artículos:
Efectos de la temperatura de calcinación y la carga de carboximetilcelulosa de sodio en la síntesis de nuevas espumas de cerámica de bentonita
Artículos:
Mejora del rendimiento de la turbina de vapor en plantas de energía térmica utilizando redes neuronales artificiales y diseño de circuitos eléctricos.
Artículos:
Comparaciones utilizando métodos de mecánica continua y Monte Carlo en la cámara de bombeo diferencial
Artículos:
Comparación de Métodos de Agrupamiento Difuso y sus Aplicaciones a Datos de Geofísica
Artículos:
Compuestos bioactivos de microalgas rojas con valor terapéutico y nutricional
Artículos:
Enfoque de aplicación ágil con Scrum, Lean y Kanban
Artículos:
Arquitectura de software orientada a la creación de micromundos para la enseñanza y el aprendizaje
Artículos:
Perspectivas sobre datos masivos y analítica de datos masivos