فهرست نشریات علمی دسترسی آزاد ایران

برای سازه ها با درجات آزادی زیاد ، نرم‌افزارهای سنتی اجزا محدود، که مبتنی بر تقسیم‌بندی دامنه مسئله به جزء‌های کوچکتر هستند، به دلیل صرف زمان زیاد، کارایی کمتری دارند. به همین دلیل، مهندسین به استفاده از الگوریتم‌های هوش مصنوعی مبتنی بر طبیعت روی آورده‌اند که توانایی یادگیری الگوهای پیچیده از داده‌ها را دارند . یکی از این روش‌ها، استفاده از شبکه‌های عصبی عمیق است. این شبکه‌ها با داشتن ساختار لایه‌ای و قابلیت یادگیری از داده‌های ورودی، می‌توانند رفتار سیستم‌ها را مدل‌سازی کنند. ابتدا شبکه عصبی عمیق با استفاده از داده‌های تجربی آموزش داده می‌شود و پس از آن به پیش بینی داده های جدید می پردازد. با این حال، چالش‌هایی همچون نیاز به داده‌های آموزشی گسترده و مناسب، تضمین دقت مدل و تفسیرپذیری نتایج همچنان وجود دارند. برای غلبه بر این چالش‌ها، باید تحقیقات بیشتری در زمینه بهینه‌سازی ساختار شبکه‌ها، تکنیک‌های پیش‌پردازش داده‌ها و توسعه روش‌های ترکیبی در هوش مصنوعی صورت گیرد. در این پژوهش، از شبکه عصبی عمیق برای تخمین تغییر مکان‌های یک خرپای دوعضوی بر اساس داده‌های گذشته استفاده می‌شود، که نتایج حاصل از این پژوهش، نشان دهنده ی تاثیر بسیار زیاد معماری شبکه در مورد این مسئله هست.