二维卷积神经网络在钢框架结构损伤检测中的应用
计算机视觉与模式识别
2021-11-01 v1 机器学习
摘要
在本文中，我们提出了一种二维卷积神经网络（2-D CNNs）的应用，该网络被设计为将特征提取与分类阶段作为单一整体来执行，以解决所述问题。该方法使用轻量型 CNN 网络而非深度网络，并以原始加速度信号作为输入。使用轻量型 CNN，其中每一个都针对特定构件进行优化，可提高精度并加快网络运行速度。此外，提出了一种新框架以减少训练阶段所需的数据量。我们在结构动力学团队提供的卡塔尔大学看台模拟器（QUGS）基准数据上验证了我们的方法。结果表明，相较于其他方法精度有所提升，且运行时间足以满足实时应用。
引用
@article{arxiv.2110.15895,
title = {Application of 2-D Convolutional Neural Networks for Damage Detection in Steel Frame Structures},
author = {Shahin Ghazvineh and Gholamreza Nouri and Seyed Hossein Hosseini Lavassani and Vahidreza Gharehbaghi and Andy Nguyen},
journal= {arXiv preprint arXiv:2110.15895},
year = {2021}
}
备注
17 pages, 5 Figures, 3 Tables