机读格式显示(MARC)

• 000 01892nam0 2200289 450

• 001 0000500135

• 005 20181106190100.0

• 010 __ |a 978-7-03-055561-8 |d CNY52.00

• 100 __ |a 20180706d2018 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 建筑结构人工智能实验分析环境 |A jian zhu jie gou ren gong zhi neng shi yan fen xi huan jing |f 潘登, 郭明著

• 210 __ |a 北京 |c 科学出版社 |d 2018

• 215 __ |a 130页 |c 图 |d 24cm

• 306 __ |a 北京建筑大学学术著作出版基金资助出版

• 312 __ |a 英文并列题名取自封面

• 320 __ |a 有书目 (第125-130页)

• 330 __ |a 本书在实验数据和人工智能方法的“建筑结构人工智能实验分析环境 (AIEESA)”的概念基础上, 创建了相应的集成分析系统。“建筑结构人工智能实验分析环境”由人工智能技术 (AITs)、数据挖掘技术、试验数据、结构构造的数字建模方法、以及一系列匹配结构类似性质和绘制结构行为/反应的匹配准则共同构成。试验数据经过数据挖掘处理, 作为适合于AITs运算的数字模式。当一个新/未知结构模型进入“建筑结构人工结构智能实验分析环境”, 该模型的行为或反应, 如试验表达, 能够基于现有的试验数据和现场测量数据绘制出来。在给出“建筑结构人工结构智能实验分析环境”的概念后, 本书依次探讨了“建筑结构人工结智能实验分析环境”各个组成部分。首先, 提出了“建筑结构人工智能实验分析环境”数据库的组织方法。其次, 本书研究了”建筑结构人工智能实验分析环境”中的两个数值模式。再者, 研究了“建筑结构人工智能实验分析环境”的两个匹配准则。本书还针对CA数值模型中, 新模型的整体性质变异和局部性质及边界约束变异的建模方法进行了探讨。然后, 建立起了三种基于墙板破坏模式预测其相应破坏荷载的神经网络模型。最后, 给出了一系列应用“建筑结构人工智能实验分析环境”预测结构行为的例子。

• 510 1_ |a Building structure |z eng

• 606 0_ |a 人工智能 |A ren gong zhi neng |x 应用 |x 建筑结构 |x 结构试验

• 690 __ |a TU317 |v 5

• 701 _0 |a 潘登 |A pan deng |4 著

• 701 _0 |a 郭明 |A guo ming |4 著

• 801 _0 |a CN |b 湖北三新 |c 20180706

• 905 __ |a WXCSXY |d TU317/37