1장 AI와 구조공학
1.1 머신러닝(Machine Learning의 정의
1.2 구조공학 분야를 위한 인공신경망의 적용
1.3 인공신경망 학습의 정의
1.4 딥러닝(Deep Learning, DL
1.5 구조공학 분야에 적용하기 위해서 인공신경망을 어떻게 활용할 수 있을까?
2장 빅데이터의 생성 및 학습
2.1 빅데이터의 생성 및 학습
2.2 활성함수
2.3 정규화(normalization 및 초기화(initialization
2.4 역전파
3장 가중변수와 편향변수의 이해
3.1 가중변수와 편향변수의 역할
3.2 역전파 기반 인공신경망의 수정
3.3 인공신경망 결과의 분석
4장 기울기 하강을 이용한 오차함수의 최소화
4.1 오차함수, 가중변수 및 편향변수
4.2 하강기울기
4.3 하강기울기 방법을 이용한 데이터(빅데이터 피팅
4.4 데이터 피팅; 기울기(weight는 고정하고 y절편(bias만 무작위로 변하는 경우
4.5 데이터 피팅; 가중변수와 편향변수가 동시에 무작위로 변하는 경우
4.6 매트릭스를 이용한 인공신경망의 유도; 뉴런값(Zj과 은닉층 출력값(yj과의 관계
4.7 활성함수(activation를 거친 뉴런값(Zj
4.8 순방향 인공신경망 및 역전파를 통한 인공신경망의 수정
4.9 역전파로 구성된 인공신경망
4.10 순방향 설계 및 역방향 설계의 정의
4.11 인공신경망 학습방법
5장 깊은 인공신경망 기반의 단철근 RC 보의 설계
5.1 단철근 RC 보의 설계
5.2 빅데이터의 생성
5.3 TED 기반의 인공신경망을 활용한 RC 보 설계; 순방향 및 역방향 설계
5.4 얕은 인공신경망 기반 RC 보의 설계
5.5 결론
6장 인공신경망 기반 복철근 콘크리트 보의 설계
6.1 인공신경망에 기반한 복철근 콘크리트 보(RC 보의 설계
6.2 설계 시나리오
6.3 역방향 설계
6.4 인공신경망 기반의 역설계 차트를 이용한 설계
6.5 결론
6.6 기호표
7장 인공신
