排序方式: 共有2条查询结果,搜索用时 62 毫秒
1
1.
机器学习方法能通过建立以建筑信息、地震动参数为输入,韧性指标为输出的非线性映射关系,对建筑结构进行抗震韧性评估,但当训练数据规模较大时,其训练过程由于涉及求解大规模逆矩阵致使计算效率低下且极其占用计算机内存。为此,提出基向量引导的支持向量机(basis vectors-guided support vector machines for regression, BVLS-SVMR)模型,从大规模训练样本中提取小规模子样本,并将其映射到高维特征空间里作为基向量,替代大规模原基向量用于建立预测模型。为了验证BVLS-SVMR模型的准确性和高效性,基于9 356个钢筋混凝土(RC)框架(教学楼)抗震韧性的数据,分别与支持向量机(least squares support vector machines for regression, LS-SVMR)模型和传统有限元法(FEM)进行对比。结果表明:BVLS-SVMR模型的测试集预测精度与LS-SVMR模型的测试集预测精度(决定系数R2)相差0.011,但计算时间是LS-SVMR模型的1/10,是传统FEM的1/21 70... 相似文献
2.
随着Web 2.0技术的发展,Web不仅给用户提供各种资源和服务,而且逐渐成为视频、音频、图片等多种媒体资源共享的平台。因此,文件上传已成为Web门户的必备功能之一。目前,多文件上传在进度监测和传输效率方面仍存在缺陷,而使用AJAX技术的上传组件能够提供更好的用户体验,能有效地解决大型媒体数据上载的效率问题。本文将利用DWR框架设计基于Struts框架的带上传进度条的文件上传组件。 相似文献
1