Académique Documents
Professionnel Documents
Culture Documents
GRASP Comportamiento
Bsqueda Mecnica de los insectos
local guiada estadstica
Colonias de
Bsqueda hormigas
... Aceptacin
local iterada Cristalizacin
por umbrales
simulada ...
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
Cell Body
Dentritas Synapse
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
1
Sistemas Inteligentes en Ingeniera Civil Sistemas Inteligentes en Ingeniera Civil
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
2
Sistemas Inteligentes en Ingeniera Civil Sistemas Inteligentes en Ingeniera Civil
neurona
Procesamiento
Optimizacin
E heurstica en
de informacin
S Optimizacin heurstica en
proyecto y construccin neurona proyecto y construccin
x1 w1
a F(a) y
x2 w2
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
3
Sistemas Inteligentes en Ingeniera Civil Sistemas Inteligentes en Ingeniera Civil
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
proyecto y construccin x1
proyecto
w1 y construccin
a y F(a)
x2 w2
y = F(a)
y = 1, si (x1w1 + x2w2)
y = 0, si (x1w1 + x2w2) <
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
4
Sistemas Inteligentes en Ingeniera Civil Sistemas Inteligentes en Ingeniera Civil
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
Supongamos: Y=ax1+bx2+cx3+C
Estimacin: y=w1x1+w2x2+w3x3+c1
Optimizacin heurstica en Optimizacin heurstica en
Funcin error: Ep=1/2(Yj-yj)2
proyecto y construccin proyecto y construccin
Iteracin: wi=wi+wi siendo wi= (Ep)/(wi)
= learning rate
Regresin lineal mnimos cuadrados mxima verosimilitud
(normal+indep.)
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
5
Sistemas Inteligentes en Ingeniera Civil Sistemas Inteligentes en Ingeniera Civil
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
6
Sistemas Inteligentes en Ingeniera Civil Sistemas Inteligentes en Ingeniera Civil
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
LAYER 2.00E-03
1.50E-03
Optimizacin heurstica en
HIDDEN
LAYER proyecto y construccin ? 1.25E-03
1.00E-03
proyecto y construccin
0 4
Testing Set
Training Set
8 12 16 20 24 28
OUTPUT
bootstrapping
LAYER Preparacin de la Base de Datos
q (m3/s/m)
CREST LEVEL ASSESSMENT OF
COASTAL STRUCTURES BY
FULL-SCALE MONITORING,
NEURAL NETWORK PREDICTION
AND HAZARD ANALYSIS
Reduccin (RF=4; CF=4; q=0) 8,372 datos
Reducci
COMMISSION
OF THE EUROPEAN
ON PERMISSIBLE WAVE OVERTOPPING
Adimensionalizaci
Adimensionalizacin: Ley de Froude / Hm0,toe=1m
COMMUNITIES
CLASH Transformacin de la Salida log(Q)
log(Q)
EVK3-CT-2001-00058
FP5 - EESD
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
7
Sistemas Inteligentes en Ingeniera Civil Sistemas Inteligentes en Ingeniera Civil
proyecto y construccin
Mayores de 14 aos. Nivel de educ. cabeza fam. Laproyecto
mejor red tiende aydominar
construccin
la poblacin de soluciones
N de trabajadores. Motorizacin total y por
tipo de vehculo.
N de estudiantes.
La esposa trabaja.
N estudiantes nivel medio. u=Wi -
N estudiantes nivel sup.
N de hijos.
El cabeza de fam. Est
jubilado. f(u)
f(u)=1/[1+exp(-u)]
Tiempo medio de viaje.
N de hijos menores de 14.
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
Variables significativas
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
15 15
R. L. M.
proyecto y construccin
10
5
10
5
proyecto y construccin
NN
0
0
0 5 10 15 20
0 5 10 15 20
Datos (test) Red Neuronal {H,T} D=D(H) or D(H,Ir) 1980
{Hm0,T01,Nw} D=D(Hm0,Ir01,Nw) 1990
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
8
Sistemas Inteligentes en Ingeniera Civil Sistemas Inteligentes en Ingeniera Civil
Optimizacin heurstica en
physical phenomena modelling
pattern classification
Feed-forward networks
- single layer perceptron
Optimizacin heurstica en
- multilayer NN
prediction/forecasting
proyecto y construccin
optimization
- radial basis function nets
Recurrent networks
- competitive networks
proyecto y construccin
Mase et al.(1995)
data mining - Kohonens SOM
- JWPCOE: breakwater armour damage
risk evaluation - Hopfield network
Van Gent&Van den Boogaard(1998)
- ART models
- ICCE98: forces on vertical structures
Neural Networks Evolutive Strategies Backpropagation:
- gradient descent search: local mimimum MSE
- overlearning? over-simplicity?
Medina(1999, 2002)
- CS99: runup ICCE02: overtopping
regular waves D0=D0(H,Ir,LAB,..) Evolutionary Strategy:
random waves Di+1=D(Di,{Hm0,Ir,N}) - parallel seach: global minimum PSE
- NO overlearning, NO over-simplicity
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
EVOLUTIVE OPTIMIZATION:
Redes totalmente conexionadas Genetic Algorithms (GA)
Redes podadas- en dos fases FORCE
Evolutive Strategies (ES): (400+400)-ES
Optimizacin heurstica en d
Optimizacin heurstica
Evolutive Programming (EP)
Genetic Programming (GP)
en
proyecto
Rc/H y construccin
m0
proyecto y construccin
Ir
Q>0?
Rc/Dn
U(m/s) the best solutions tend
Medina et al.(2002) to dominate the population
Q=0
Q=1 Evaluation: PSE = MSE [1 + 2P/(N-P)]
Rc/Hm0
Ir
N=n datos < pruned NN >
Q P=n parmetros
Rc/Dn
U(m/s) PSE= predicted mean-squared error
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
UPV UPV
Valencia
Optimizacin heurstica en Optimizacin heurstica en
proyecto y construccin proyecto y construccin
erosin
UCA
Santander
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
9
Sistemas Inteligentes en Ingeniera Civil Sistemas Inteligentes en Ingeniera Civil
NN estimation D*
Hi/H0
0=insignificant 1.2
Ir
1=significant 1
0.8
NN1 classifier: 7% > 3% if D(NN1)=1 0.6
0.4
LAB 0.2 D<0.4 D=0.8 D>2.4 D>8
Hi/H0 D*=D0.2 0
Ir 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
obse rved D*
NN2 quantifier: (PSE/Var)l=32% > (MSE/Var)t= 27%
Cross-validation: YES
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
1.6 Zeebrugge
D=0.4
breakwater
Hi/HD=0
1.4 D=0.8
D=2.4
1.2
D=8.0
1 SPM(1984) Rc/Hm0
0.8 Ir
1.5 2 2.5 3 3.5 4 Rc/Dn
Q
Ir
U(m/s)
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
NN modeling using ES
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
10
Sistemas Inteligentes en Ingeniera Civil Sistemas Inteligentes en Ingeniera Civil
Optimizacin heurstica
(4) input variables: en
Rc/H , Ir, Rc/Dn, U(m/s) m0
Optimizacin
113 tests: 80%heurstica endata
OUTPUT: significant (Q=1) vs insignificant (Q=0)
learning data, 20% testing
-4.5 3
(1) Output variable: Q= log [q/(g H ) ] 3 0.5 q>10 m /s.m = limit for pedestrians and buildings
proyecto y construccin
113 tests: 80% learning data, 20% testing data
m0
proyecto y construccin
80% learning data: 23% (Q=0) + 77% (Q=1)
NN1 learning data: 23% (Q=0) + 23% (Q=1)= 42 tests
overtopping observations:
significant (Q=1) vs insignificant (Q=0) Rc/Hm0
Q= log [q/(g Hm03 )0.5
Ir
Q
overtopping estimation: Rc/Dn
NN1 classifier of significant events U(m/s)
NN2 overtopping estimator
NN1(P=11) correct: 94% learning data and 91% of testing data
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
NN overtopping model (P=23) Q= q = exp 2.8 3.4 Rc +1.8(Ir 4) 0.9 Rc 3
input: Rc/Hm0, Ir, Rc/Dn, U(m/s) Output: Q= log [q/(g Hm03 )0.5 ]
(P=4) gH 3
m0
H
m0
Dn
-2
proyecto y construccin -2
proyecto y construccin
Empirical estimation (Eq. 2)
-7 -6 -5 -4 -3 -2
1 1.5 2 2.5
Rc/Dn=3 -3
1.2< Rc/Hm0 <3.8
-3
simulation Ir=3
2.8< Ir <4.8
-4
NN estimation
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
11
Sistemas Inteligentes en Ingeniera Civil Sistemas Inteligentes en Ingeniera Civil
3 storms
113 lab tests Um=Up/1.7? 36x30 min
Rc 1.5
(P=6) Q = exp 2.8 3.4
+ 1.8(Ir 4 ) 0.9
H m0
Rc
Dn
3 + 0.07(U )
-2
proyecto y construccin -7 -6 -5 -4 -3
-3
-2
proyecto y construccin -4
Q(windspeed)
U=7 m/s
-4
U=5 m/s -5
-5
U=3 m/s
-6 -6
U=0 m/s prototype
-7 -7
Q(U=0)
Experimental observations
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
Las redes neuronales tiene muchos parmetros Los filtros lineales (neuronas lineales): caso particular
uso tpico con muchos datos y algoritmos backpropagation
Optimizacin heurstica en
necesaria validacin cruzada (learning+testing= test ciego) Optimizacin heurstica en
Early stopping para evitar overfitting
proyecto y construccin
el mtodo de validacin debe definirse a priori proyecto y construccin
MATLAB Neural Network Toolbox
Redes podadas permiten ajustar la complejidad de la red al tamao de la
base de datos. predictor de Moody(1991): PSE=MSE[1+2p/(N-p)]
Las redes podadas permiten eludir el problema de sobreaprendizaje
utilizando un predictor de error adecuado y permiten eliminar entradas no
significativas, pero el aprendizaje es muy lento comparado con los
algoritmos backpropagation
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
Los sistemas de control dinmicos (NNPC,NARMA-L2,) Radial basin NN suelen utilizarse para clasificar
y suelen necesitar ms neuronas que las feed-forward
Optimizacin heurstica en Optimizacin heurstica en
proyecto y construccin proyecto y construccin
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
12
Sistemas Inteligentes en Ingeniera Civil Sistemas Inteligentes en Ingeniera Civil
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
Redes Neuronales
Optimizacin heurstica en Optimizacin heurstica en
proyecto y construccin proyecto y construccin
Elman NN y Hopfield NN
MATLAB
Neural Network Toolbox
Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013 Mster en Planificacin y Gestin en Ingeniera Civil >Valencia Curso 2012/2013
13