feat(latex): add new research papers to appendix with detailed summaries and findings
This commit is contained in:
@@ -105,107 +105,12 @@
|
||||
\endlastfoot
|
||||
|
||||
%-----1
|
||||
1
|
||||
|
||||
%for mult rows
|
||||
|
||||
&
|
||||
Concrete and steel bridge Structural Health Monitoring—Insight into choices
|
||||
for machine learning applications (Donghui Xu; Xiang Xu; Michael C. Forde; Antonio Caballero)
|
||||
%for mult rows
|
||||
|
||||
% &
|
||||
% Donghui Xu; Xiang Xu; Michael C. Forde; Antonio Caballero
|
||||
|
||||
%for mult rows
|
||||
|
||||
% &
|
||||
% Construction and Building Materials
|
||||
|
||||
% %for mult rows
|
||||
|
||||
% &
|
||||
% \href{https://doi.org/10.1016/j.conbuildmat.2023.132596}{ScienceDirect}
|
||||
|
||||
% %for mult rows
|
||||
|
||||
% &
|
||||
% 2023
|
||||
|
||||
% %for mult rows
|
||||
|
||||
&
|
||||
\begin{enumerate}[series=enum]
|
||||
\item Perkenalan secara singkat sistem pemantauan kesehatan struktural jembatan diterapkan di seluruh dunia
|
||||
\item Latar belakang yang diperlukan tentang pembelajaran mesin yang berbeda metode yang digunakan untuk studi SHM
|
||||
\end{enumerate}
|
||||
|
||||
&
|
||||
\begin{enumerate}[series=enum2]
|
||||
\item RNN adalah tren baru dalam studi SHM karena kemampuannya dalam membuat prediksi regresi pada respons struktural. Selanjutnya RNN digunakan untuk memetakan hubungan non-linier antar struktur tanggapan dan menjembatani kondisi lingkungan \& operasional. Pada di sisi lain, pemrosesan awal data untuk aplikasi RNN deret waktu relatif mendasar.
|
||||
\end{enumerate}
|
||||
|
||||
\\ %-------------page break----------------
|
||||
|
||||
% &
|
||||
% &
|
||||
% &
|
||||
% &
|
||||
% &
|
||||
&
|
||||
&
|
||||
\begin{enumerate}[resume=enum]
|
||||
\item Menyajikan berbagai perkembangan penelitian, mendiskusikan dan membandingkannya kelebihan dan kekurangannya
|
||||
\item Meringkas kesesuaian berbagai metode pembelajaran mesin untuk masalah SHM yang berbeda
|
||||
\item Terakhir, tren masa depan
|
||||
\end{enumerate}
|
||||
&
|
||||
\begin{enumerate}[resume=enum2]
|
||||
\item SVM dan hutan acak kurang mendapat perhatian dibandingkan dengan jaringan saraf. Ini digunakan untuk klasifikasi kerusakan. Namun, pemrosesan awal data jauh lebih rumit.
|
||||
|
||||
\end{enumerate}
|
||||
\\
|
||||
|
||||
\pagebreak
|
||||
%---------------2
|
||||
2 %Nomor
|
||||
|
||||
%for mult rows
|
||||
|
||||
& %Judul Jurnal
|
||||
Structural health monitoring of a cantilever beam using support vector machine (Satish B Satpal; Yogesh Khandare; Anirban Guha; Sauvik Banerjee)
|
||||
|
||||
%for mult rows
|
||||
|
||||
% & %Author
|
||||
% % Satish B Satpal; Yogesh Khandare; Anirban Guha; Sauvik Banerjee
|
||||
|
||||
% %for mult rows
|
||||
|
||||
% & %Nama Jurnal
|
||||
% International Journal of Advanced Structural Engineering (IJASE)
|
||||
|
||||
% %for mult rows
|
||||
|
||||
% & %Sumber
|
||||
% \href{http://dx.doi.org/10.1186/2008-6695-5-2}{ResearchGate}
|
||||
|
||||
% %for mult rows
|
||||
|
||||
% & %Tahun
|
||||
% 2020
|
||||
|
||||
% %for mult rows
|
||||
|
||||
& %Tujuan penelitian
|
||||
Memeriksa algoritma SVM untuk pemantauan kesehatan seperti balok struktur menggunakan data perpindahan modal yang disebabkan oleh getaran.
|
||||
|
||||
& %Kesimpulan
|
||||
Studi ini menilai kemampuan mesin vektor pendukung untuk memprediksi intensitas kerusakan dan lokasi pada balok kantilever. Meskipun berhasil memprediksi kerusakan dengan sedikit kesalahan, tingkat kebisingan dan lokasi kerusakan memengaruhi keakuratan. Tingkat kebisingan yang tinggi mempengaruhi kinerja secara signifikan, terutama pada intensitas kerusakan yang lebih rendah.
|
||||
|
||||
|
||||
|
||||
%-----------3
|
||||
\input{important/van2020}
|
||||
\\
|
||||
%-----2
|
||||
\input{important/abdeljaber2017}
|
||||
\\
|
||||
%------3
|
||||
\\
|
||||
3
|
||||
|
||||
|
||||
Reference in New Issue
Block a user