Logo Ernst und Sohn

Preview

Author(s):     
 
Schmid, M.; Schmid, B. H.
 
Title:     
 

 
Abstract:     
 
Künstliche Neuronale Netzwerke (Artificial Neural Networks, ANN) sind eine Gruppe von mathematischen Modellen, die erst vor wenigen Jahren in das Bauwesen allgemein und in die Bauphysik im besonderen Eingang gefunden hat. Aufgrund ihrer ausgeprägten Flexibilität werden ANNs auf eine laufend anwachsende Zahl verschiedenster Aufgabenstellungen angewandt. Der vorliegende Beitrag beschreibt zunächst die Funktionsweise und Eigenschaften des im Bauingenieurwesen meistverwendeten ANN-Typs, des sogenannten Multilayer Perceptrons (MLP), und erörtert darauf aufbauend potentielle Anwendungsgebiete und einige bereits vorliegende Erfahrungen in der Bauphysik. Auf der Grundlage des derzeitigen Entwicklungsstands auf diesem Gebiet können Künstliche Neuronale Netzwerke als ein intelligenter und flexibler Berechnungsansatz vom Typ der ‘Black Box’-Modelle charakterisiert werden, dessen Anwendungspotential in der Bauphysik sicherlich noch nicht ausgeschöpft ist.
 
Source:     Bauphysik 29 (2007), No. 5
 
Page/s:     371-376
 
Language of Publication:     German



I would like to buy the article

You can download this article for 25 € as a PDF file (0.15 MB).
The PDF file can be read, printed and saved.
Duplication and forwarding to third parties is not allowed.


Please enter your email address now to start the order process.
The link for the download will be sent to the email address stated after the
order process has been completed.

Your email address


I am an online subscriber

As an online subscriber of the journal "Bauphysik" you can access this article via Wiley Online Library.

I would like to order "Bauphysik"

This article has been published in the journal "Bauphysik". If you would like to learn more about the journal, you can order a free sample copy or find out more information on our website.


Prices include VAT and postage. Prices for 2017/2018.
€ Prices apply to Germany only. Subject to alterations, errors excepted.