Artificial Neural Networks (ANN) ar

Artificial Neural Networks (ANN) are generally presented as systems of interconnected “neurons” which can compute values from inputs. It began to use at first in 1940s by Warren McCulloch and Walter Pitts (1943) by creating computational mode based on mathematics algorithms and was followed by Donald Hebb (1948) which created a hypothesis of learning based on the mechanism of neural plasticity. Farley and Wesley A. Clark (1954) first used computational machines . The Artificial Neural Network is built with a systematic step-by-step procedure to optimize a performance criterion or to follow some implicit internal constraint, which is commonly referred to as the learning rule . ANN have been used in the fields of concrete structures for nearly 25 years by many researchers: Tang et al. (2003), Oreta (2004), Fonseca et al. (2003), D. Maity and A. Saha (2004). These researchers basically set the structural parameters such as the material property, the boundary condition and the size of a structure as the input of the ANN model to predict the ability for the structure to resist the load . In most of these works, the neural networks have been trained by using back propagation algorithm. In this approach, the connection weights of neural networks are initially set to some random values. These values are then modified automatically according to the learning algorithm during the process of learning.

結果 (中文) 1:

人工神经网络 (ANN) 一般介绍作为系统的相互关联的"神经元"，可以计算出从输入的值。它在开始使用第一次在 20 世纪 40 年代由沃伦 · 麦卡洛克和沃尔特 · 皮特 (1943) 通过创建计算模式基于数学算法和其后，唐纳德 · 赫布 （1948 年） 创建学习基于神经可塑性的机制的假说。法利和韦斯利 · A.克拉克 （1954 年） 首次用计算的机器。人工神经网络建立了以系统化的分步过程来优化性能指标，或要遵循一些隐式的内部约束，通常被称为学习的一般规律。安已用于混凝土结构领域近 25 年来的许多研究人员︰ 唐等人 （2003 年）、 Oreta （2004 年）、 丰塞卡等人 （2003 年）、 D.Maity A.Saha （2004 年）。这些研究人员基本上设置的结构材料属性、 边界条件和结构的大小等参数作为输入的神经网络模型预测结构抵抗荷载的能力。在大部分的这些作品，神经网络已培训采用误差反向传播算法。在此方法中，神经网络的连接权值最初设置为一些随机的值。修改这些值，然后自动学习算法的过程中学习。

結果 (中文) 2:

人工神经网络（ANN）一般表现为相互关联的“神经元”，这可以从输入计算数值的系统。它开始首先在20世纪40年代由沃伦麦卡洛克和Walter皮茨（1943）通过创建基于数学算法计算模式下使用，接着是唐纳德·赫布（1948），它创建学习基于神经可塑性机制的假设。法利和韦斯利·克拉克A.（1954年）第一次使用计算设备。人工神经网络与系统的一步一步的过程建立以优化性能准则或遵循一些隐内部约束，这就是通常所说的作为学习规则。Tang等：ANN已被许多研究人员在混凝土结构的领域使用了近25年。（2003），Oreta（2004），塞卡等。（2003），D Maity和A. 萨哈（2004）。这些研究人员基本上设置的结构参数，如材料特性，边界条件和一个结构神经网络模型的输入来预测结构，以抵抗负载的能力的大小。在大多数这些作品的，神经网络已经通过使用反向传播算法进行训练。在这种方法中，神经网络的连接权重被初始设置为一些随机值。这些值然后根据学习过程中学习算法自动修改。神经网络已使用反向传播算法训练。在这种方法中，神经网络的连接权重被初始设置为一些随机值。这些值然后根据学习过程中学习算法自动修改。神经网络已使用反向传播算法训练。在这种方法中，神经网络的连接权重被初始设置为一些随机值。这些值然后根据学习过程中学习算法自动修改。

結果 (中文) 3:

人工神经网络（ANN）一般被称为系统互连的“神经元”，可以计算输入值。它开始使用由Warren McCulloch和Walter Pitts首先1940s（1943）通过创建基于数学算法的计算模式，其次是Donald Hebb（1948），创建了一个基于神经可塑性的机制学习假设。Farley和Wesley A. Clark（1954）首次使用计算机。人工神经网络是建立一个系统的一步一步的过程，以优化性能标准或遵循一些隐含的内部约束，这通常被称为学习规则。人工神经网络已经被用于混凝土结构领域近25年来，许多研究人员：唐等人。（2003）、oreta（2004），丰塞卡等人。（2003）、D. Maity和A. Saha（2004）。这些研究人员基本上设置的结构参数，如材料特性，边界条件和结构的大小作为输入的人工神经网络模型来预测的能力的结构抵抗负载。在这些作品中，神经网络已经被训练使用反向传播算法。在这种方法中，神经网络的连接权值最初设置一些随机值。这些值然后修改自动根据学习算法在学习的过程中。