Professional 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