دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: M.Z. Naser
سری:
ISBN (شابک) : 0367422107, 9780367422103
ناشر: CRC Press
سال نشر: 2022
تعداد صفحات: 458
[459]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 25 Mb
در صورت تبدیل فایل کتاب Leveraging Artificial Intelligence in Engineering, Management, and Safety of Infrastructure به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب استفاده از هوش مصنوعی در مهندسی، مدیریت و ایمنی زیرساخت نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
طراحی، ساخت و نگهداری زیرساخت ها از ابعاد متعددی تشکیل شده است که الگوی بسیار پیچیده ای از فرصت ها و چالش های به هم پیوسته را در بر می گیرد. در حالی که روشهای سنتی به اندازه کافی چنین پیچیدگی را محاسبه نمیکنند، هوش مصنوعی (AI) راهحلهای بدیع و خارج از جعبه را ارائه میکند که به طور موثر با نیازهای رو به رشد زیرساخت ما مقابله میکند. همگرایی بین هوش مصنوعی و مهندسی عمران یک مرز نوظهور با پتانسیل فوقالعاده است.
این کتاب احتمالاً با پرورش نگاهی جدید به عمران، وضعیت مهندسی زیرساخت را تقویت میکند. مهندسی که از هوش مصنوعی به عنوان محرک اصلی خود استفاده می کند. این فشار مداوم برای پذیرش و استفاده از هوش مصنوعی برای تحقق زیرساختهای مدرن، هوشمند، ایمن و انعطافپذیر را برجسته میکند. این کتاب شامل آثار بین رشته ای و رمان از سراسر جهان است. یافتههای حاصل از تلاشهای نوآورانه تکمیلشده با آزمایشهای فیزیکی، شبیهسازیهای عددی، و مطالعات موردی را ارائه میکند - که همگی میتوانند به عنوان معیاری برای انجام آزمایشهای آینده و/یا تسهیل توسعه مدلهای هوش مصنوعی آینده در مهندسی سازه، مهندسی ترافیک، مهندسی ساختوساز استفاده شوند. ، و مصالح ساختمانی.
این کتاب به عنوان راهنمای طیف وسیعی از مخاطبان، از جمله دانشجویان ارشد و کارشناسی ارشد، متخصصان، و مقامات دولتی در زمینههای مهندسی عمران، ترافیک و مهندسی کامپیوتر عمل میکند. و همچنین برای کسانی که به برنامه ریزی شهری و علوم انسانی مشغولند.
The design, construction, and upkeep of infrastructure is comprised of a multitude of dimensions spanning a highly complex paradigm of interconnected opportunities and challenges. While traditional methods fall short of adequately accounting for such complexity, artificial intelligence (AI) presents novel and out-of-the-box solutions that effectively tackle the growing demands of our infrastructure. The convergence between AI and civil engineering is an emerging frontier with tremendous potential.
The book is likely to provide a boost to the state of infrastructure engineering by fostering a new look at civil engineering that capitalizes on AI as its main driver. It highlights the ongoing push to adopt and leverage AI to realize contemporary, intelligent, safe, and resilient infrastructure. The book comprises interdisciplinary and novel works from across the globe. It presents findings from innovative efforts supplemented with physical tests, numerical simulations, and case studies – all of which can be used as benchmarks to carry out future experiments and/or facilitate the development of future AI models in structural engineering, traffic engineering, construction engineering, and construction materials.
The book will serve as a guide for a wide range of audiences, including senior undergraduate and graduate students, professionals, and government officials of civil, traffic, and computer engineering backgrounds, as well as for those engaged in urban planning and human sciences.
Cover Title Page Copyright Page Dedication Preface Table of Contents 1. Convolutional Neural Networks and Applications on Civil Infrastructure 2. Identifying Non-linearity in Construction Workers’ Personality: Safety Behaviour Predictive Relationship Using Neural Network and Linear Regression Modelling 3. Machine Learning Framework for Predicting Failure Mode and Flexural Capacity of FRP-Reinforced Beams 4. A Novel Formulation for Estimating Compressive Strength of High Performance Concrete Using Gene Expression Programming 5. Implementation of Data-Driven Approaches for Condition Assessment of Structures and Analyzing Complex Data 6. Automatic Detection of Surface Thermal Cracks in Structural Concrete with Numerical Correlation Analysis 7. State-of-the-Art Research in the Area of Artificial Intelligence with Specific Consideration to Civil Infrastructure, Construction Engineering and Management, and Safety 8. Artificial Intelligence in Concrete Materials: A Scientometric View 9. Active Learning Kriging-Based Reliability for Assessing the Safety of Structures: Theory and Application 10. A Bayesian Estimation Technique for Multilevel Damage Classification in DBHM 11. Machine Learning and IoT Data for Concrete Performance Testing and Analysis 12. Knowledge-enhanced Deep Learning for Efficient Response Estimation of Nonlinear Structures 13. Damage Detection in Reinforced Concrete Girders by Finite Element and Artificial Intelligence Synergy 14. Deep Learning in Transportation Cyber-Physical Systems 15. Artificial Intelligence in the Construction Industry: Theory and Emerging Applications for the Future of Work 16. The Use of Machine Learning in Heat Transfer Analysis for Structural Fire Engineering Applications 17. Using Artificial Intelligence to Derive Temperature Dependent Mechanical Properties of Ultra-High Performance Concrete 18. Smart Tunnel Fire Safety Management by Sensor Network and Artificial Intelligence Index