文献

J-GLOBAL ID：202402212850879855   整理番号：24A2110479

地盤工学×AI 第5回 ディープラーニング(時系列データ)

Deep learning (time series data)

著者 (4件)： 伊藤真一 (立命館大 理工) ,  平岡伸隆 (労働者健康安全機構 労働安全衛生総合研) ,  三木拓也 (日本工営) ,  北岡貴文 (関西大 環境都市工)
資料名： 地盤工学会誌(Web)
巻： 72  号： 7  ページ： 69-77 (WEB ONLY)  発行年： 2024年07月01日 
JST資料番号： U2299A  ISSN： 2435-5348  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・地盤工学分野で得られる時系列データをディープラーニングによって処理する技術を紹介。
・過去の情報の保持/使用/書き換えを可能にするLSTM,時系列データの異常検知を行うAE,物理法則を組み込むPINNを概説。
・事例紹介1)斜面で計測した傾斜計の時系列データに対して行った異常検知。
・2)軟弱地盤上の盛土施工において,荷重増加による圧密沈下とすべり破壊に関する問題。
・3)均質な地盤に雨が降った場合において,体積含有率の時系列データに対してLSTMやPINNを適用。

シソーラス用語： *建設工学 ,  基礎地盤 ,  *人工知能 ,  *機械学習 ,  ニューラルネットワーク ,  時系列 ,  アルゴリズム ,  損失関数 ,  物理学 ,  時系列データ ,  自己符号化器 ,  地盤工学 ,  *深層学習
準シソーラス用語： LSTM ,  PINN ,  *ディープラーニング

分類 (1件)： 土質・基礎工学一般  (RA03010X)

引用文献 (12件)：

• Hochreiter, S. and Schmidhuber, J.: Long short-term memory, Neural Computation, Vol. 9, No. 8, pp. 1735-1780, 1997.
• Hinton, G. E. and Salakhutdinov, R. R.: Reducing the dimensionality of data with neural networks. Science, 313(5786): 504-507, 2006.
• Raissi, M., Perdikaris, P. and Karniadakis, G. E.: Physics informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations, J. Comput. Phys., Vol. 378, pp. 686-707, 2019.
• Rumelhart, D. E., Hinton, G. E. and Williams, R. J.: Learning representations by back-propagating errors, Nature, Vol. 323, pp. 533-536, 1986.
• Baydin, A. G., Pearlmutter, B. A., Radul, A. A. and Siskind, J. M.:Automatic differentiation in machine learning: a survey, Journal of Machine Learning Research, Vol. 18, pp. 1-43, 2018.

タイトルに関連する用語 (4件)： 地盤工学 ,  AI ,  ディープラーニング ,  時系列データ