دانلود مقاله انگلیسی رایگان:ادغام دانش دامنه با مدل های یادگیری عمیق: یک سیستم هوش مصنوعی  قابل تفسیر برای شناسایی پیشرفت کار خودکار تونل های NATM - 2020
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی هوش مصنوعی رایگان
  • Integrating domain knowledge with deep learning models: An interpretable AI system for automatic work progress identification of NATM tunnels Integrating domain knowledge with deep learning models: An interpretable AI system for automatic work progress identification of NATM tunnels
    Integrating domain knowledge with deep learning models: An interpretable AI system for automatic work progress identification of NATM tunnels

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Integrating domain knowledge with deep learning models: An interpretable AI system for automatic work progress identification of NATM tunnels


    ترجمه فارسی عنوان مقاله:

    ادغام دانش دامنه با مدل های یادگیری عمیق: یک سیستم هوش مصنوعی قابل تفسیر برای شناسایی پیشرفت کار خودکار تونل های NATM


    منبع:

    Sciencedirect - Elsevier - Tunnelling and Underground Space Technology, 105 (2020) 103558. doi:10.1016/j.tust.2020.103558


    نویسنده:

    Renjie Wua,⁎, Yuji Fujitaa,b, Kenichi Sogaa


    چکیده انگلیسی:

    Finding a reliable and cost-effective approach to monitor the activities of the New Austrian Tunneling Method (NATM) tunnel construction automatically is a challenging yet important task. This study presents an interpretable artificial intelligence (AI) framework that automatically identifies NATM construction works using lowcost site surveillance images. The framework adopts the Bayesian statistics to combine the prior NATM construction knowledge with the visual evidence extracted by deep learning (DL) based computer vision models. The analysis results of Site CCTV surveillance videos of four NATM tunneling projects are presented to demonstrate its ability (i) to label NATM work cycles from the work timeline, (ii) to identify NATM work categories inside each work cycle, and (iii) to estimate the degree of plan-work deviation at the construction cycle level. The proposed framework yields promising results on a real NATM tunneling project.
    Keywords: Artificial intelligence | NATM project monitoring | Deep learning | Computer vision


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 12
    حجم فایل: 12957 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi