Resumen

El uso de técnicas de aprendizaje automático para predecir la resistencia de materiales está volviéndose popular. Sin embargo, no se ha prestado mucha atención a los algoritmos de aprendizaje basados en instancias (IBL, por sus siglas en inglés). Por lo tanto, con el fin de predecir la resistencia de materiales, dado que el método directo mediante la realización de pruebas es lento y costoso, y los errores experimentales son inevitables, se propuso un método indirecto basado en un algoritmo elemental de aprendizaje basado en instancias. Se utilizaron los vecinos más cercanos (-nearest neighbors, NN) con validación cruzada para desarrollar modelos de predicción de resistencia a la compresión para algunos hormigones y rocas, considerando parámetros indirectos como parámetros físicos y mecánicos. Los resultados al aplicar este método a conjuntos de datos de estudios de literatura muestran que los valores de RMSE para NN son modestos, lo que indica la adecuación para predecir la resistencia a la compresión con un

• Materias:Elementos finitos Análisis de estabilidad Energía histerética Seguridad en la ingeniería civil Tensión-deformación
• Subjects:Finite elements Stability analysis Hysteretic energy Safety in civil engineering Stress-strain
• Palabras claves:Aprendizaje automático; Resistencia de materiales; Aprendizaje basado en instancias; Algoritmos; Resistencia a la compresión; Modelos de predicción
• Keywords:Machine learning; Material strength; Instance-based learning; Algorithms; Compressive strength; Prediction models