Classification of vertical displacements with the use neural networks SVM


Vol. 531 (11) 2016 / wtorek, 23 października, 2018

(in Polish)

M. Mrówczyńska

DOI: 10.15199/33.2016.11.14

Volume 531: Issue 11
Pages 44-45
Accepted for publication: 28.09.2016 r.

The article presents the basic rules for constructing and training neural networks called the Support Vector Machine (SVM) method as well as possible applications for this kind of network. Non-linear SVMnetworks have been used for classifying linearly separable data with a view to formulating a model of displacements of points in a measurement-control network. The points of the measurement-control network were placed on a civil engineering object located on expansive soil.

Keywords: neural networks, vertical displacements, classification.
  1. Bishop Christopher.M. 2006. „Pattern Recognition and Machine Learningupport”. Springer. New York.
  2. Gil Józef. 1995. „Badanie nieliniowego geodezyjnego modelu przemieszczeń (na przykładzie obciążonego podłoża gruntowego)”. Zielona Góra. Wydawnictwo Wyższej Szkoły Inżynierskiej w Zielonej Górze.
  3. Gontaszewska Agnieszka, Maria Mrówczyńska. 2008. Charakterystyka nierównomiernych osiadań obiektu budowlanego posadowionego na gruntach ekspansywnych. Oficyna Wydawnicza Uniwersytetu Zielonogórskiego.
  4. Mrówczyńska Maria. 2014. „Sieć liniowa SVM do wyznaczenia przemieszczeń pionowych”. Przegląd Geodezyjny. Warszawa.
  5. Osowski Stanisław. 2006 „Sieci neuronowe do przetwarzania informacji”. Warszawa. Oficyna Wydawnicza Politechniki Warszawskiej.
  6. Vapnik Vladimir. 1998. Statistical learning theory. New York.Wiley.
  7. Zanni Luca, Thomas Serafini, Gaetano Zanghirati. 2006 „Parallel Software for Training Large Scale Support Vector Machines on Multiprocessor Systems”. Journal of Machine Learning Research (7).
  • dr hab. inż. Maria Mrówczyńska, prof.  Uniwersytet Zielonogórski, Wydział Budownictwa, Architektury i Inżynierii Środowiska

dr hab. inż. Maria Mrówczyńska, prof.

m.mrowczynska@ib.uz.zgora.pl

Full paper is available at Publisher house SIGMA-NOT Sp. z o.o. webpage

DOI: 10.15199/33.2016.11.14