지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- 한국콘크리트학회 International Journal of Concrete Structures and Materials International Journal of Concrete Structures and Materials Vol.16 No.4
- 발행연도
- 2022.7
- 수록면
- 431 - 448 (18page)
이용수
초록· 키워드
오류제보하기
Reinforced concrete structural walls (RCSWs) are one of the most efficient lateral force-resisting systems used in buildings, providing sufficient strength, stiffness, and deformation capacities to withstand the forces generated during earthquake ground motions. Identifying the failure mode of the RCSWs is a critical task that can assist engineers and designers in choosing appropriate retrofitting solutions. This study evaluates the efficiency of three ensemble deep neural network models, including the model averaging ensemble, weighted average ensemble, and integrated stacking ensemble for predicting the failure mode of the RCSWs. The ensemble deep neural network models are compared against previous studies that used traditional well-known ensemble models (AdaBoost, XGBoost, LightGBM, CatBoost) and traditional machine learning methods (Naïve Bayes, K-Nearest Neighbors, Decision Tree, and Random Forest). The weighted average ensemble model is proposed as the best-suited prediction model for identifying the failure mode since it has the highest accuracy, precision, and recall among the alternative models. In addition, since complex and advanced machine learning-based models are commonly referred to as black-box, the SHapley Additive exPlanation method is also used to interpret the model workflow and illustrate the importance and contribution of the components that impact determining the failure mode of the RCSWs.
목차
Abstract
1 Introduction
2 Method and Material
3 Results and Discussion
4 Conclusion
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
딥러닝 기반 앙상블을 이용한 유방암 분류
보건정보통계학회지
2018 .01
-
Ensemble Methods Applied to Classification Problem
International journal of internet, broadcasting and communication : IJIBC
2019 .01
-
얼굴인식 성능 향상을 위한 얼굴 전역 및 지역 특징 기반 앙상블 압축 심층합성곱신경망 모델 제안
멀티미디어학회논문지
2020 .08
-
Uncertainty Quantification via Deep Ensembles
한국전산유체공학회 학술대회논문집
2022 .10
-
아파트 대량 평가를 위한 기계 학습 알고리즘과 스태킹 앙상블 기법의 응용
한국경영공학회지
2022 .06
-
Variables Selection Polynomial Neural Networks with the Aid of Ensemble Learning Approach
대한전기학회 워크샵
2021 .04
-
Refining the Selection of Historical Period in Analog Ensemble Technique
AFORE
2023 .11
-
Application of Deep Ensembles to Quantifying Predictive Uncertainty in Aerodynamic Data
한국항공우주학회 학술발표회 초록집
2022 .04
-
Epidemic Respiratory Disease Prediction Using Ensemble Method
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2018 .06
-
Deep Ensembles를 이용한 기계학습 모델의 예측 불확실성 분석
대한건축학회 학술발표대회 논문집
2020 .04
-
모델 앙상블을 이용한 센서 데이터 예측에 관한 연구
Proceedings of KIIT Conference
2024 .05
-
Data-driven fault diagnosis using ensemble learning
한국생산제조학회 학술발표대회 논문집
2018 .10
-
대용량 이미지넷 인식을 위한 CNN 기반 Weighted 앙상블 기법
대한임베디드공학회논문지
2020 .01
-
수중 표적 식별을 위한 앙상블 학습
멀티미디어학회논문지
2015 .11
-
심층 신경망을 이용한 동 · 하계 최대 전력수요의 앙상블 예측 방법
전기학회논문지
2020 .06
-
앙상블 학습 알고리즘을 이용한 컨벌루션 신경망의 분류 성능 분석에 관한 연구
멀티미디어학회논문지
2019 .06
-
Ensemble Convolutional Neural Networks를 이용한 세포 검출 방법
Proceedings of KIIT Conference
2017 .12
-
방사형 기저함수 신경회로망 기반 앙상블 분류 모델 학습에 관한 연구
전기학회논문지
2024 .08
-
Ensemble of Support Vector Machine and Meta classification
한국통신학회 학술대회논문집
2018 .06
-
Stacking Ensemble Learning을 활용한 블록 탑재 시수 예측
대한조선학회 논문집
2019 .12
이 논문의 저자 정보
최근 본 자료
댓글(0)
0