Prognosticating fabric-reinforced cementitious matrix-to-masonry bond and failure mechanisms using novel tabular variational autoencoder-augmented probabilistic model
Notice bibliographique
Résumé
Fabric-reinforced cementitious matrix (FRCM) composite strengthening has emerged as an environmentally friendly and less invasive solution, and entails material compatibility with masonry substrates, and hence emerges as the sustainable solution for structural restoration. But the performance of the FRCM system primarily depends on the bond behaviour between the masonry and composite interface, which governs stress transfer and failure mode. However, the available experimental datasets lack diversity, especially with respect to categorical characteristics, limiting predictive capability and extrapolation potential of data-driven models. Therefore, in this study, a tabular variational autoencoder model was implemented to synthetically augment the experimental database to capture a higher range of input variability. Using this enriched dataset, probabilistic modelling techniques have been utilized, including Gaussian process, Bayesian neural network, and natural gradient boosting (NGB) in predicting critical FRCM-to-masonry bond behaviour that includes bond strength, slip, and respective failure modes. Among these developed probabilistic models, the NGB model performed both better in terms of accuracy as well as uncertainty quantification and gave interpretable results on the importance of features. Mean absolute percentage error value of the testing set of the NGB model using the synthetic dataset approach was 22.72% and 23.83% for bond strength and slip, respectively. For failure modes, the accuracy of the NGB model for the testing set was 84% with the synthetic dataset. The proposed hybrid method enhances predictability and aids in formulating more precise and uncertainty-based design strategies for the sustainable rehabilitation of deteriorated masonry infrastructure.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».