Replication Data for: Predictive Modeling of Concrete Stress-Strain Relationship Using P-LSTM
Notice bibliographique
Résumé
This repository contains the implementation of the Pruning Long Short-Term Memory (P-LSTM) model for predicting the stress-strain relationship of normal weight aggregate concrete (NWAC) and lightweight aggregate concrete (LWAC) at various temperatures. The code and data included here are designed to support the findings of the research article "Pruning Long Short-Term Memory (P-LSTM): A Model for Predicting the Stress-Strain Relationship of Normal and Lightweight Aggregate Concrete at Finite Temperature." The repository provides a comprehensive suite of tools for preprocessing data, training the P-LSTM model, and evaluating its performance against experimental results. The model leverages advanced deep learning techniques to improve prediction accuracy and computational efficiency, making it a valuable tool for civil engineering applications, particularly in the design and optimization of concrete structures. The P-LSTM model has shown significant improvements over traditional LSTM networks in terms of accuracy, stability, and computational cost. This makes it especially useful for applications where data size and computational resources are limited. The provided datasets include experimental measurements of concrete mixtures subjected to varying temperatures, and the scripts offer a detailed workflow for replicating the study's results. Files Description: data.xlsx: Contains the input data matrix where each row represents a data point and each column represents a dimension of the data. out_PY_T1_1.xlsx to out_PY_T4_30.xlsx: These files contain the output data from the experiments categorized by different temperature exposures and mixture designs. Each file represents the results from a specific set of conditions used in the study.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,176 | 0,098 |
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 ».