دانلود مقاله انگلیسی رایگان:بهینه ساز مبتنی بر یادگیری تقویتی برای بهبود پیش بینی پاسخ های ناشی از tunneling - 2020
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی یادگیری تقویتی رایگان
  • Reinforcement learning based optimizer for improvement of predicting tunneling-induced ground responses Reinforcement learning based optimizer for improvement of predicting tunneling-induced ground responses
    Reinforcement learning based optimizer for improvement of predicting tunneling-induced ground responses

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Reinforcement learning based optimizer for improvement of predicting tunneling-induced ground responses


    ترجمه فارسی عنوان مقاله:

    بهینه ساز مبتنی بر یادگیری تقویتی برای بهبود پیش بینی پاسخ های ناشی از tunneling


    منبع:

    Sciencedirect - Elsevier - Advanced Engineering Informatics, 45 (2020) 101097: doi:10:1016/j:aei:2020:101097


    نویسنده:

    Pin Zhanga, Heng Lib, Q.P. Hac, Zhen-Yu Yina, Ren-Peng Chend,e,⁎


    چکیده انگلیسی:

    Prediction of ground responses is important for improving performance of tunneling. This study proposes a novel reinforcement learning (RL) based optimizer with the integration of deep-Q network (DQN) and particle swarm optimization (PSO). Such optimizer is used to improve the extreme learning machine (ELM) based tunnelinginduced settlement prediction model. Herein, DQN-PSO optimizer is used to optimize the weights and biases of ELM. Based on the prescribed states, actions, rewards, rules and objective functions, DQN-PSO optimizer evaluates the rewards of actions at each step, thereby guides particles which action should be conducted and when should take this action. Such hybrid model is applied in a practical tunnel project. Regarding the search of global best weights and biases of ELM, the results indicate the DQN-PSO optimizer obviously outperforms conventional metaheuristic optimization algorithms with higher accuracy and lower computational cost. Meanwhile, this model can identify relationships among influential factors and ground responses through selfpracticing. The ultimate model can be expressed with an explicit formulation and used to predict tunnelinginduced ground response in real time, facilitating its application in engineering practice.
    Keywords: Tunnel | Ground response | Reinforcement learning | Extreme learning machine | Optimization


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 11
    حجم فایل: 2176 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