Thứ Tư, 12 tháng 9, 2018

3rd European Conference on Unsaturated Soils – “E-UNSAT 2016”



E3S Web of Conferences

Volume 9 (2016)

3rd European Conference on Unsaturated Soils – “E-UNSAT 2016”

Paris, France, September 12-14, 2016
P. Delage, Y.-J. Cui, S. Ghabezloo, J.-M. Pereira and A.-M. Tang (Eds.)

Export the citation of the selected articles Export
Select all
Open Access

Statement of Peer review 

Published online: 14 September 2016

European Distinguished Lecture

Keynote Lectures

Plenary Lectures

Invited Lectures

Foundations

Microstructure

Thermal and Chemical Effects

Numerical Modelling

Advances in Experimental Methods: Mechanical Properties

Advances in Experimental Methods: Hydraulic Properties

Water Retention Properties

Soil-Vegetation-Atmosphere Interactions

Environmental Geotechnics (Joint TC106-TC215 Session)

Mechanical Behaviour

Slopes Stability

Water Transport Properties

Constitutive Modelling

Nuclear Waste Disposals

Dams and Dykes

Transportation Infrastructures

vào lúc

Thứ Bảy, 8 tháng 9, 2018

Geotechnical Group PhD Theses 1951-2011 of Cambridge University - UK

(Nguồn: civ.eng.cam.ac.uk)




Geotechnical Group
PhD Theses 1951-2011



217.Kuo M2011The influence of bacteria on the mechanical properties of deep-ocean clay sediments
216.Laver R2011Long-term behaviour of twin tunnels in London clay
215.Kogbara R2011Process envelopes for and biodegradation within stabilised/solidified contaminated soils
214.Liu L2011Disturbance analysis of the self boring pressuremeter tests
213.Farrell R P2011Tunnelling in sands and the response of buildings
212.Li Z2010Piled foundations subjected to cyclic loads or earthquakes
211.Goh K H2010Response of Ground and Buildings to Deep Excavations and Tunnelling
210.Lam S2010Ground movements due to excavation in clay: physical and analytical models
209.Jegandan S2010Ground Improvement with Conventional and Novel Binders
208.Leung Y F2010Foundation Optimisation and its Application to Pile Reuse
207.Robert D2010Soil-Pipeline Interaction in Unsaturated Soils
206.Lim L2010In-Situ Photocatalytic Remediation of Organic Contaminants in Groundwater. Engineering- (Environmental Geotechnics).
205.Joshi K2010Long-Term Engineering Performance and In-Situ Assessment of Cement Bentonite Cut-Off Walls
204.Liska M2009Properties and applications of reactive magnesia cements in porous blocks
203.Pal I2009Rainfall trends in India and their impact on soil erosion and land management
202.Cilingir U2009Seismic Response of Tunnels
201.Marshall A2009Tunnelling in sand and its effect on pipelines and piles
200.Nikolopoulos P2009Mass Transfer in Non-Aqueous Phase Liquid Contaminated heterogeneous Porous Media
199.Eisa KOGM2008Compensation Grouting in Sand
198.Ng M Y A2008Modelling of Hydraulic Fracturing in Cement Bentonite Geomaterials
197.Ji H2008Physical Modelling of Jet Grouting Process
196.Kwok C Y2008Micromechanical Modelling of Soil Creep
195.Iyengar S2008Application of Two Novel Magnesia-Based Binders in Stabilisation/Solidification Treatment Systems
194.Mohamad H2008Distributed Optical Fibre Strain Sensing of Geotechnical Structures
193.Deeks A D2008An investigation into the strength and stiffness of jacked piles in sand
192.Elshafie M Z E B2008Effect of Building Stiffness on Excavation-Induced Displacements
191.Chung K H2008Effects of Piles On Tunnels
190.Zhao Y2008In Situ Soil Testing for Foundation Performance Prediction
189.Duru U2007Impact of climate change on chemical and biological properties in contaminated soils
188.Marketos G2007An investigation of crushing and compaction bands in granular material
187.Smith S2007Impact of Climate Change on Contaminated Land Containment Systems
186.Coelho P A L F2007In Situ Densification as a Liquefaction Resistance Measure for Bridge Foundations
185.Osman A A M2007Durability and Mechanical Properties of Deep-Mixed Clays
184.Al-Ansary M S2007Stabilisation/Solidification and Pelletisation of Petroleum Drill Cuttings
183.Cheong T P2007Numerical Modelling of Soil-Pipeline Interaction
182.Knappett J A2007Piled foundations in liquefiable soils: accounting for axial loads
181.Mitrani H2006Liquefaction Remediation Techniques for Existing Buildings
180.Hernandez-Martinez F2006Ground Improvement of Organic Soils Using Wet Deep Soil Mixing
179.Kok Y L2006Investigating the mechanical behaviour of two residual soils from Malaysia
178.Borghi X2006Lubrication and soil conditioning in pipejacking and tunnelling
177.Chua H Y2006Horizontal arching of earth pressures on retaining structures
176.Selemetas D2005The response of full-scale piles and piled structures to tunnelling
175.Wongsaroj J2005Three-dimensional finite element analysis of short and long-term ground response to open face tunnelling in stiff clay.
174.Vorster T E B2005The Effects of Tunnelling on Buried Pipes
173.Chan S M2005Photocatalytic remediation of organics in groundwater
172.Thusyanthan I2005Behaviour of landfill systems under monotonic and earthquake loading
171.Perera A S R2005The Role of Accelerated Carbonation in the Ageing of Cement-Based Stabilised/Solidified Contaminated Materials
170.Silva M F2005Numerical and physical models of rate effects in soil penetration
169.Kulasooriya I2005Remediation of DNAPL using Surfactant flushing-Mass flux approach
168.Osman A S E K2005Predicting ground displacements in clay during construction
167.Page J W E2005A Mass Flux and Partitioning Tracer Concept for DNAPL Source Zone Characterisation
166.Cheuk C Y2005Soil-Pipeline Interaction at the Seabed
165.Cheng Y P Helen2004Micromechanical investigation of soil plasticity
164.Merritt A S2004Soil conditioning for earth pressure balance machines
163.Choy C K2004Installation effects of diaphragm walls on adjacent piled foundations
162.Waduge A2004Source zone remediation by air sparging and soil vapour extraction
161.Chitambira B2004Accelerated ageing of cement stabilised/solidified contaminated soils with elevated temperatures
160.Ghosh B2004Behaviour of rigid foundation in layered soil during seismic liquefaction
159.Teh T C2003Stability of marine pipelines on unstable and liquefied seabed
158.Take W A2003The influence of seasonal moisture cycles on clay slopes
157.Bhattacharya S2003Pile instability during earthquake liquefaction
156.Dimmock P S2003Tunnelling-induced ground and building movement on the Jubilee Line Extension
155.Brennan A J2003Vertical drains as a countermeasure to earthquake-induced soil liquefaction
154.Jacobsz S W2002The effect of tunnelling on pile foundations
153.Bowman E T2002The aging and creep of dense granular materials
152.White D J2002An investigation into the behaviour of pressed-in piles
151.Ratnam S2002Development of a novel self-boring permeability measrement technique
150.Teymur B2002The significance of boundary conditions in dynamic centrifuge modelling
149.Haigh S K2002Effects of earthquake-induced liquefaction on pile foundations in sloping ground
148.Yimsiri S2002Pre-failure deformation characteristics of soils: anisotropy and soil fabric
147.Coumoulos H2002Centrifuge and numerical modelling of dense non-aqueous phase liquid contaminants migration
146.Treadaway A C J2001Development and Use of Photometric Sensors for Contaminent Transport Studies
145.Au S K A2001Fundamental Study of Compensation Grouting
144.Lee C J2001The influence of negative skin friction on piles and in pile groups
143.Lee S W2001The Effects of Compensation Injections on Tunnels
142.Kechavarzi C2000Physical modelling of immiscible multiphase flow in porous media
141.Baumgard A J2000Monotonic and cyclic soil responses to upheaval buckling in offshore buried pipelines
140.Robertson D2000Computer simulations of crushable aggregates
139.Carrier M B2000Dielectric measurements over a wide frequency range in e-grade kaolin clay
138.Butler G D1999A dynamic analysis of the stored angular momentum earthquake actuator used with the equivalent shear beam container
137.Peiris L M N1998Seismic modelling of rock-fill embankments on deep loose saturated sand deposits
136.Barker H R1998Physical modelling of construction processes in the Mini-Drum centrifuge
135.Hsu Y S1997Excess pore pressures under cyclically loaded model jack-up foundations
134.Ellis E A1997Soil-structure interaction for full-height piled bridge abutments constructed on soft clay
133.El-Hamalawi A1997Adaptive refinement of finite element meshes for geotechnical analysis
132.Penn M L M1997Electrokinetic soil remediation: effects of pH, temperature and chemical reactions
131.Lu Y C1997Compensation grouting in clay
130.Peña A1996Theoretical study of brain biomechanics via poroelastic theory and the finite element method
129.Balachandran S1996Modelling of geosynthetic reinforced soil walls
128.McDowell G R1996Clastic soil mechanics
127.Potter L J1996Contaminant migration through consolidating soils
126.Dasari G R1996Modelling the variation of soil stiffness during sequential construction
125.Chin C Y1996An experimental study of hydrofracture in soils
124.Bransby M F1995Piled foundations adjacent to surcharge loads
123.Gui M W1995Centrifuge and numerical modelling of pile and penetrometer in sand
122.Evans D C1994Contaminant migration through intact and damaged clay liners
121.Boyce E E R1994Modelling of transport processes in heterogeneous soils
120.Sharma J1994Behaviour of reinforced embankments on soft clay
119.Hellawell E E1994Modelling transport processes in soil due to hydraulic, density and electrical gradients
118.Tsukamoto Y1994Drum centrifuge tests of three-leg jack-ups on sand
117.Pilgrim N K1993Observation and analysis of slope stability with seepage in centrifuge model earthquakes
116.McKinley J D1993Grouted ground anchors and the soil mechanics aspects of cement grouting
115.Lee D-M1992The angles of friction of granular fills
114.Smith C C1992Thaw induced settlement of pipelines in centrifuge model tests
113.Jeyatharan K1991Partial liquefaction of sand fill in a mobile arctic caisson under dynamic ice-loading
112.Madabhushi S P G1991Response of tower structures to earthquake perturbations
111.Sun H W1990Ground deformation mechanisms for soil-structure interactions
110.Maheetharan A1990Modelling the seismic response of piles and pile groups
109.Lee S Y1990Centrifuge modelling of cone penetration testing in cohesionless soils
108.Zeng X1990Modelling the behaviour of quay walls during earthquakes
107.Tan F S C1990Centrifuge and theoretical modelling of conical footings on sand
106.Nunez I L1989Centrifuge model tension piles in clay
105.Stewart D I1989Groundwater effects on in-situ walls in stiff clay
104.Springman S M1989Lateral loading on piles due to simulated embankment construction
103.Hensley P J1989Accelerated physical modelling of transport processes in soil
102.Lau C K1988Scale effects in tests on footings
101.Stone K J L1988Modelling of rupture development in soils
100.Wilson J1988A theoretical experimental investigation into the dynamic behaviour of soils
99.Dean E T R1988An isotropic transformation soil constitutive model with induced anisotropy in axial deformation events
98.Shi Q1988Centrifugal modelling of surface footings subject to combined loading
97.Poorooshasb F1988The dynamic embedment of a heat emitting projectile
96.Al-Tabbaa A1987Permeability and stress-strain response of speswhite kaolin
95.Venter K1987Modelling the response of sand to cyclic loads
94.Phillips R1987Ground deformation in the vicinity of a trench heading
93.Habibian A1987Seismic modelling of coastal dykes on layered sand foundations
92.Powrie W1986The behaviour of diaphragm walls in clays
91.Elmes D1986Creep and viscosity in two kaolin clays
90.Simons H1986A theoretical study of pile driving
89.Lee F H1985Centrifuge modelling of earthquake effects on sand embankments
88.Steedman R S1984Modelling the behaviour of retaining walls in earthquakes
87.Savvidou C1984Effects of a heat source in saturated clay
86.Airey D1984Clays in circular simple shear apparatus
85.Almeida M S S1984Stage constructed embankment on soft clays
84.Taylor R N1984Ground movements associated with tunnels and trenches
83.Mak K W1984Modelling the effects of a strip load behind rigid retaining walls
82.Francescon M1983Model pile tests in clay
81.Kutter B L1982Centrifugal modelling of the response of clay embankments to earthquakes
80.Barton Y O1982Laterally loaded model piles in sand
79.Kusakabe O1982Stability of excavation in soft clay
78.Szalwinski C S1982Finite element modelling of kinematic history for particular media
77.Sloan S W1982Numerical analysis of incompressible and plastic solids using finite elements
76.Davies M C R1981Centrifuge modelling of embankments on clay foundations
75.Clarke B G1981In situ testing of clays using the Cambridge self boring pressuremeter
74.Houlsby G T1981A study of plasticity theories and their applicability to soils
73.Clegg D1981Model piles in stiff clay
72.Cousens T W1980The gravity flow of bulk solids in bunkers
71.Fahey M1980A study of the pressuremeter test in dense sand
70.Jewell R A1980Some effects of reinforcement on the mechanical behaviour of soils
69.Seneviratne H N1979Deformations and pore pressure dissipation around tunnels in soft clay
68.Mair R J1979Centrifugal modelling of tunnel construction in soft clay
67.Williams D J1979The behaviour of model piles in dense sand
66.Britto A M1979Thin walled buried pipes
65.Budhu M1979Single shear deformations of sand
64.Swain C W1979Piled foundations supporting a model offshore structure
63.Morris D V1979The centrifugal modelling of dynamic behaviour
62.Goodings D J1979Centrifugal modelling of slope failures
61.Padfield C J1978The stability of river banks and flood embankments
60.Cuckson J1978Shear zones and progressive failure in overconsolidated clay
59.Larsen H1978Earth pressure around buried pipes
58.Randolph M F1977A theoretical study of the performance of piles
57.Foster G H1977The behaviour of clay in plane strain
56.Potts D M1977Behaviour of lined and unlined tunnels in sand
55.Smith A K C1977Experimental and computational investigation of model reinforced earth retaining walls
54.Thompson S A1976Application of finite elements to plane strain deformation and consolidation of soils
53.St John H D1976Field and theoretical studies of the behaviour of ground around deep excavations in London clay
52.Orr T L L1976The behaviour of lined and unlined model tunnels in stiff clay
51.Windle D1976In situ testing of soils with a self-boring pressuremeter
50.Wind H G1976Interaction of sand and L-shaped walls in centrifuge models
49.Swain A1976Model ground anchors in clay
48.Wong K Y1976Micro-fabric changes during the deformation of clays
47.Chan K C1975Stresses and strains induced in soft clay by a strip footing
46.Wood D M1974Some aspects of the mechanical behaviour of kaolin under truly triaxial conditions of stress and strain
45.Milligan G W E1974The behaviour of rigid and flexible retaining walls in sand
44.Beasley D H1973Centrifugal testing of models of embankments on soft clay foundations
43.Cairncross A M1973Deformations around model tunnels in stiff clay
42.Blair-Fish P M1973Flow of sand in mass-flow bunkers
41.Ajaz A1973The stress and strain behaviour of compacted clay in tension and compression
40.Nadarajah V1973The stress-strain properties of lightly overconsolidated clay
39.Simpson B1973Finite elements applied to problems of plane strain deformation of soils
38.Amerasinghe S F1973The stress-strain behaviour of clay at low stress levels and high overconsolidation ratio.
37.Sketchley C J1973Behaviour of kaolin in plane strain
36.Borin D L1973The behaviour of saturated kaolin in the simple shear apparatus
35.Dick S C1973A model earth pressure test rig for clay soils
34.Hughes J M O1973An instrument for the in situ measurement of the properties of soft clays
33.Smith I A A1972Stress and strain in a sand mass adjacent to a model wall
32.Coupe P S1971Some effects of time on stress strain relationships for clays
31.Stroud M A1971The behaviour of sand at low stress levels in the simple shear apparatus
30.Endicott L J1971Centrifugal testing of soil models
29.Pearce J A1970The behaviour of soft clay in a new true triaxial apparatus
28.Tennekoon B L1970Stresses and strains induced by a strip footing on sand
27.Hawley J A1970A unified theory for the one-dimensional consolidation of saturated clays
26.Tovey N K1970Electron-microscopy of clays
25.Avgherinos P J1970Centrifugal testing of models made of soil
24.Lord J A1969Stresses and strain in an earth pressure problem
23.Hambly E C1969Plane strain behaviour of soft clay
22.Balasubramaniam A S1969Some factors influencing the stress strain behaviour of clay
21.Bransby P L1968Stress and strain in sand caused by rotation of a model wall
20.Ting W H1968Some effects of history on the stress-strain behaviour of kaolin
19.Bassett R H1967The behaviour of granular materials in the simple shear apparatus
18.Walker L K1967The deformation of clay as a time-dependent process
17.Smart P1967Soil structure, mechanical properties and electron-microscopy
16.Mitchell R J1967Applications of the critical state theories
15.Loudon P A1967Some deformation characteristics of kaolin
14.Coumoulos D G1967A radiographic study of soils
13.Cole E R L1967Soils in the simple shear apparatus
12.Burland J B1967Deformation of soft clay
11.Walker A F1966Stress/strain relationships for clay
10.Sirwan K Z1965Deformation of soil specimens
9.James R G1965Stress and strain fields in sand
8.O'Loughlin M W B1964Radiological examination of granular materials
7.Thompson W J1962Some deformation characteristics of Cambridge gault clay
6.Arthur J R F1962Strains and lateral force in sand
5.Thurairajah A1961Some shear properties of kaolin and of sand
4.Poorooshasb H1961The properties of soils and other granular media in simple shear
3.Schofield A N1959The development of lateral force during the displacement of sand by the vertical face of a rotating model foundation
2.Wroth C P B1958The behaviour of soils and other granular media when subjected to shear
1.Wells A A1951Soil mechanics & tillage
vào lúc

Thứ Sáu, 7 tháng 9, 2018

Sự khác nhau giữa AI, Machine learning và deep learning

( Nguồn techtalk.vn via blogs.nvidia.com)


Đây là bài viết đầu tiên trong series nhiều phần giải thích các nguyên tắc cơ bản của deep learnining – nhà báo Michael Copeland.
Trí tuệ nhân tạo (AI) là tương lai. Trí tuệ nhân không chỉ là khoa học viễn tưởng mà còn là một phần của cuộc sống hàng ngày của chúng ta. Nó phụ thuộc vào mục tiêu phát triển AI của bạn
Ví dụ: Khi  AlphaGo của Google đánh bại kì thủ cờ vây quốc tế người Hàn Quốc Lee Se-Dol vào năm 2016. Thuật ngữ AI, machine learning và deep learning được giới truyền thông sử dụng để mô tả chiến thắng của DeepMind. Cả AI, machine learning và deep learning đều góp phần tạo nên chiến thắng của AlphaGo trước kì thủ Se-Dol. Nhưng chúng không giống nhau.
Cách đơn giản nhất để hình dung về mối quan hệ của 3 khái niệm trên là dùng sơ đồ Venn. AI – ý tưởng đầu tiên – lớn nhất, sau đó là machine learning, và cuối cùng là deep learning – yếu tố thúc đẩy sự bùng nổ của AI ngày nay . Từ mờ nhạt đến sự bùng nổ
AI là một phần trong trí tưởng tượng của chúng ta và là chủ đề bàn luận sôi nổi trong các phòng thí nghiệm nghiên cứu kể từ khi một nhóm các nhà khoa học máy tính sử dụng thuật ngữ này tại Hội nghị Dartmouth vào năm 1956 – lĩnh vực AI bắt đầu từ đó. Trong nhiều thập kỷ sau đó, AI được dự đoán là chìa khóa mở ra một tương lai tươi sáng nhất của nền văn minh nhân loại, khái niệm harebrained của over-reach propellerheads sẽ bị vứt bỏ. Thành thật mà nói, cho đến năm 2012, nó có một chút là sự kết hợp cả hai.
Trong vài năm trở lại đây, AI thật sự bùng nổ, đặc biệt là từ năm 2015. Phần lớn trong số đó liên quan đến những tiện ích sẵn có của GPU khiến cho việc xử lý song song nhanh, rẻ và mạnh mẽ hơn. Nó cũng liên quan đến cả vấn đề lưu trữ vô hạn trong thực tiễn và nhóm dữ liệu trên mỗi vạch (toàn bộ quá trình Big Data) – hình ảnh, văn bản, giao dịch, sơ đồ dữ liệu…
Cùng điểm qua chặng đường các nhà khoa học máy tính đã phát triển AI từ mờ nhạt để trở thành một sự bùng nổ với các ứng dụng được sử dụng bởi hàng trăm triệu người mỗi ngày.

Trí tuệ nhân tạo – trí tuệ con người được mô phỏng bởi máy móc

Trở lại mùa hè năm 1956, ước mơ của những nhà tiên phong về công nghệ bấy giờ là xây dựng các máy móc phức tạp – có đặc điểm giống với trí thông minh con người. Đây là khái niệm mà chúng ta nghĩ là “General AI” – những thiết bị hoàn hảo có tất cả các giác quan của con người (có thể nhiều hơn), có khả năng suy đoán, suy nghĩ như chúng ta. Có thể bạn đã nhìn thấy nó trong một loạt các bộ phim như friend —  C-3PO —  and foe —  The Terminator. Tuy nhiên, General AI vẫn còn nằm trong các bộ phim và tiểu thuyết khoa học viễn tưởng vì lý do nhân đạo. Chúng ta không thể thực tế nó, hoặc ít nhất là chưa phải lúc này.
Những gì chúng ta có thể làm, rơi vào khái niệm “Narrow AI“. Các công nghệ có khả năng thực hiện các nhiệm vụ cụ thể tương đương, hoặc tốt hơn con người có thể làm. Ví dụ về Narrow AI là những thứ như phân loại hình ảnh trên một dịch vụ như Pinterest và nhận dạng khuôn mặt trên Facebook.
Đó là những ví dụ về Narrow AI trong thực tế. Những công nghệ này thể hiện một số khía cạnh của trí thông minh con người. Nhưng bằng cách nào? Trí tuệ đó ​​đến từ đâu? Điều đó đưa chúng ta tới vòng tròn tiếp theo, Machine learning.

Machine learning – Cách tiếp cận để chinh phục  trí tuệ nhân tạo

Machine learning theo định nghĩa cơ bản là ứng dụng các thuật toán để phân tích cú pháp dữ liệu, học hỏi từ nó, và sau đó thực hiện một quyết định hoặc dự đoán về các vấn đề có liên quan. Vì vậy, thay vì code phần mềm bằng cách thức thủ công với một bộ hướng dẫn cụ thể để hoàn thành một nhiệm vụ cụ thể, máy được “đào tạo” bằng cách sử dụng một lượng lớn dữ liệu và các thuật toán cho phép nó học cách thực hiện các tác vụ.
Machine learning bắt nguồn từ các định nghĩa về AI ban đầu, và các phương pháp tiếp cận thuật toán qua nhiều năm bao gồm:logic programming, clustering, reinforcement learning, and Bayesian networks. Như chúng ta đã biết, không ai đạt được mục tiêu cuối cùng của General AI, và thậm chí cả Narrow AI hầu hết là ngoài tầm với những phương pháp tiếp cận Machine learning sơ khai.
Một trong những lĩnh vực ứng dụng tốt nhất cho Machine learning trong nhiều năm qua là computer vision, mặc dù nó vẫn đòi hỏi rất nhiều kỹ năng code thủ công để có thể hoàn thành công việc. Mọi người vẫn sẽ viết các lớp phân loại bằng tay như các bộ lọc để chương trình có thể xác định nơi mà một đối tượng bắt đầu và kết thúc. Phát hiện hình dạng để xác định nếu nó có tám mặt. Một phân loại để nhận dạng các chữ cái “S-T-O-P”. Từ tất cả những ứng dụng phân loại, họ sẽ phát triển các thuật toán để làm cho hình ảnh và “học” khả năng nhận diện dấu hiệu liệu nó có phải là kí hiệu stop hay không? .
Tốt, nhưng không hoàn toàn hoàn hảo. Đặc biệt vào một ngày sương mù khi tầm nhìn không thấy rõ, hoặc cây che khuất một phần. Đó là lý do khiến computer vision và image detection không gây được thiện cảm, vì nó quá nhạy cảm và dễ phát sinh lỗi.
Thời gian, và ứng dụng đúng thuật toán đã tạo ra sự khác biệt.

Deep learning – Kỹ thuật để hiện thực hóa Machine learning 

 Lấy hình ảnh mèo ra khỏi video trên YouTube là một trong những đột phá đầu tiên của deep learning
Một phương pháp tiếp cận thuật toán khác từ cộng đồng machine-learning, Artificial Neural Networks, được nhắc đến nhiều thập kỷ qua. Neural Networks được lấy cảm hứng từ sự hiểu biết về sinh học của bộ não loài người – sự liên kết giữa các nơ-ron. Tuy nhiên, không giống như một bộ não sinh học nơi mà bất kỳ nơ-ron nào cũng có thể liên kết với các nơ-ron khác trong một khoảng cách vật lý nhất định, các mạng thần kinh nhân tạo này có các lớp rời rạc, các kết nối, và các hướng truyền dữ liệu.
Chẳng hạn, bạn có thể lấy một hình ảnh, cắt nó thành một nhóm được đặt vào lớp đầu tiên của mạng thần kinh nhân tạo. Trong lớp đầu tiên các nơ-ron cá nhân truyền dữ liệu đến lớp thứ hai. Lớp thứ hai của nơ-ron làm nhiệm vụ của nó, và như vậy, cho đến khi lớp cuối cùng và cho ra sản phẩm cuối cùng.
Mỗi nơ-ron đảm nhiệm một chức năng – làm thế nào để biết chính xác liệu rằng nó có liên quan đến nhiệm vụ đang được thực hiện. Vì vậy, suy nghĩ về điểm dừng là một dấu hiệu. Các thuộc tính của một hình ảnh dấu hiệu “dừng” được cắt nhỏ và được “kiểm tra” bởi các nơ-ron – dạng hình trụ, màu đỏ của các động cơ cháy, các chữ cái đặc trưng, ​​kích thước biển báo giao thông, và sự chuyển động hoặc sự thiếu hụt của nó. Nhiệm vụ của mạng thần kinh là để kết luận liệu đây có phải là dấu hiệu dừng hay không. Nó đi kèm với một “vector xác suất”. Trong ví dụ của chúng ta, hệ thống có thể xác định chắc chắn đến 86% một dấu hiệu dừng, 7% rằng đó là một dấu hiệu giới hạn tốc độ, và 5% còn lại là một con diều bị mắc kẹt trong cây,( hoặc cái gì đó tương tự)  vv … và kiến ​​trúc mạng sau đó sẽ thông báo đến mạng nơron cho dù đó là đúng hay sai.
Thậm chí ví dụ này cũng là một sự tiến bộ, bởi vì mạng lưới thần kinh đã có thể làm được tất cả nhưng bị xa lánh bởi cộng đồng nghiên cứu về AI. Nó đã có mặt từ những ngày đầu tiên của AI, và tạo ra rất ít sản phẩm “trí tuệ”. Vấn đề là ngay cả những mạng nơ-ron cơ bản nhất cũng có tính toán rất cao, nó không phải là cách tiếp cận thực tiễn. Tuy nhiên, một nhóm nghiên cứu nhỏ do Geoffrey Hinton thuộc trường đại học Toronto đứng đầu, cuối cùng đã parallelizing các thuật toán cho siêu máy tính để chạy và chứng minh khái niệm, nhưng nó không chính xác cho đến khi GPU được triển khai .
Nếu chúng ta quay trở lại ví dụ “ký hiệu dừng”, rất có thể là khi mạng đang được điều chỉnh hoặc được “đào tạo” thì sẽ có câu trả lời sai – rất nhiều. Những gì nó cần là luyện tập. Nó cần phải nhìn thấy hàng trăm ngàn, thậm chí hàng triệu hình ảnh, cho đến khi trọng lượng của đầu vào nơ-ron được điều chỉnh chính xác đến mức nó có được câu trả lời ngay trong thực tế mọi lúc – sương mù hoặc không có sương mù, nắng hoặc mưa. Vào thời điểm đó mạng thần kinh đã tự dạy cho nó một dấu hiệu dừng như thế nào; Hoặc khuôn mặt của mẹ bạn trong trường hợp của Facebook. Hay một con mèo, đó là điều mà Andrew Ng đã làm trong năm 2012 tại Google.
Sự đột phá của Ng là đưa các mạng thần kinh này, và làm cho chúng trở nên to lớn, tăng số layer và các nơ-ron, sau đó chạy một khối lượng lớn dữ liệu thông qua hệ thống để huấn luyện nó. Trong trường hợp của Ng, đó là hình ảnh từ 10 triệu video trên YouTube. Ng đặt “deep” vào deep learning, mô tả tất cả các lớp trong các mạng nơron này.
Ngày nay, khả năng nhận dạng hình ảnh của máy móc được luyện tập thông qua deep learning trong một số tình huống tốt hơn so với con người. AlphaGo của Google đã được huấn luyện chơi cờ vay – nó điều chỉnh mạng lưới thần kinh của mình bằng cách tự mình chống lại chính mình.

Nhờ Deep learning, AI có một tương lai tươi sáng

Deep Learning đã cho phép ứng dụng nhiếu vấn đề thực tế của máy học và bằng cách mở rộng lĩnh vực tổng thể của AI. Deep learning phá vỡ các cách thức con người làm việc bằng cách làm cho tất cả các loại máy móc trợ giúp có thể thực hiện được, gần hoặc giống hệt con người. Ô tô không người lài, chăm sóc sức khoẻ tốt hơn, thậm chí cả đề xuất về bộ phim tốt hơn, tất cả đều hiện thực trong thời đại ngày nay. AI là hiện tại và tương lai. Với sự trợ giúp của Deep Learning, AI có thể hiện thức hóa ước mơ khoa học giả tưởng mà chúng ta đã tưởng tượng từ rất lâu. Bạn có một C-3PO, tôi sẽ lấy nó. Bạn có thể giữ Terminator của bạn.


Deep learning
  1. Lược sử Deep Learning
  2. Lời giải thích đơn giản về Deep learning
  3. Deep Learning - An MIT Press book
  4. Deep Learning study group at FTI (FPT)- Git Hub
  5. Tuananhktmt: Deep Learning with Keras- Youtube
  6. Github- Duc Ngo- vitech & pytorch
  7. Keras vs. TensorFlow
  8. YOLO object detection with OpenCV

vào lúc

Giới thiệu phần mềm FLAC3D

FLAC3D là phần mềm dựa trên phương pháp sai phân hữu hạn. Các tính năng của phần mềm như:
1. FLAC3D: mô phỏng bài toán tĩnh, động phi tuyến; mô phỏng đồng thời
các bài toán cơ, thủy, nhiệt, kết cấu; mô phỏng bất kỳ hình dạng mô hình
và điều kiện biên.
2. Mô phỏng biến dạng lớn, biến dạng nhỏ, trạng thái cân bằng và phá hủy.
Mô phỏng được cả trong trạng thái phá hủy;
3. Nhiều mô hình vật liệu, có công năng tự định nghĩa mô hình;
4. Mô phỏng được tính chất vật liệu thay đổi theo quy luật hoặc ngẫu nhiên,
ví dụ E thay đổi theo chiều sâu lớp đất;
5. Có ngôn ngữ lập trình nội tại FISH;
6. Mặt tiếp xúc phong phú: đứt gãy, mặt ma sát, cọc đất;
7. Có nhiều loại phần tử kết cấu, mô phỏng tương tác giữa kết cấu và nền:
neo, cọc, đất có cốt; tường, vỏ hầm;
8. Phân tích động lực rất tốt: động đất, sóng, hóa lỏng;
9. Xuất kết quả đa dạng: PostScript, BMP, JPG, PCX, DXF (AutoCAD), EMF FLAC3D có thể làm gì?

F Ưu điểm:
▪ Mô phỏng được biến dạng lớn và quá trình phá hủy.
▪ Nhiều mô hình tính, có ngôn ngữ lập trình kèm phần
mềm để thực hiện tính toán theo mục đích người
dung.
▪ Phân tích động, đào hầm, hố móng sâu, tác dụng giữa
đất và cọc, khai thác mỏ, ổn định mái dốc.
F Nhược điểm:
▪ Chạy chậm, đặc biệt là bài toán động, hoặc có các lớp
vật liệu có độ cứng chênh lệch lớn hoặc kích thước
phần tử khác nhau nhiều.
▪ Tính năng lập mô hình hình học thấp.
Bài liên quan
  1. Youtube- Itasca Consulting Group, Inc.
  2. FLAC3D 600 Quick Start Tutorial
  3. FLAC Version 7.0 - Micropile Load Test
  4. Examples of Geomechanical Numerical Modeling
  5. FLAC 7.0 - Excavation Wall in Sand
  6. Surface Excavation Near a Circular Tunnel
vào lúc

Thứ Tư, 5 tháng 9, 2018

Django – Lập trình web với Python Django

(Nguồn: phocode.com)
Xin chào các bạn đến với series lập trình web với framework Django. Series này yêu cầu bạn phải nắm vững kiến thức về lập trình Python hoặc các ngôn ngữ script tương đương như PHP, Perl, Ruby… và kiến thức về các hệ quản trị cơ sở dữ liệu. Hoàn tất series này bạn sẽ biết cách xây dựng các ứng dụng web một cách nhanh chóng nhưng cũng không kém phần mạnh mẽ.

Mục lục

Django

Django là một web framework miễn phí mã nguồn mở được viết bằng Python. Django sử dụng mô hình Model-View-Control (MVC). Django được phát triển bởi Django Software Foundation(DSF) – một tổ chức phi lợi nhuận độc lập.
Bài liên quan:
vào lúc
Đăng ký: Bài đăng (Atom)