Nel presente contributo viene proposta una procedura di ottimizzazione dei sensori basata su approccio probabilistico e algoritmo genetico. La funzione di fitness associata a una determinata distribuzione di sensori è definita in funzione dell’errore probabilistico ed è ottenuta attraverso l’utilizzo di analisi non lineari agli Elementi Finiti e reti neurali. Al contrario di gran parte dei contributi in letteratura si dimostra che l’approccio consente una notevole semplificazione e riduzione dei tempi di calcolo.

Ottimizzazione di sensori per l'identificazione dell'impatto

MALLARDO, Vincenzo
2013

Abstract

Nel presente contributo viene proposta una procedura di ottimizzazione dei sensori basata su approccio probabilistico e algoritmo genetico. La funzione di fitness associata a una determinata distribuzione di sensori è definita in funzione dell’errore probabilistico ed è ottenuta attraverso l’utilizzo di analisi non lineari agli Elementi Finiti e reti neurali. Al contrario di gran parte dei contributi in letteratura si dimostra che l’approccio consente una notevole semplificazione e riduzione dei tempi di calcolo.
2013
9788882391836
reti neurali; algoritmo genetico; approccio probabilistico
File in questo prodotto:
Non ci sono file associati a questo prodotto.

I documenti in SFERA sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11392/1870738
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact