類神經網路的發展與在結構健康監測的應用

1943年McCulloch and Pitts首先提出類神經元架構，此時類神經 仍無學習法則，學習法則由1949年的學者Hebb提出，此時啟動了類 神經的開端，1958年Rosenblatt提出了認知器（perceptrons）的架構，

11

此時的認知器可以做簡單的圖型辨識，為最早的類神經網路模式，而 後1960年Widrow and Hoff使用最小平方誤差訓練適應線性元件，此後 類神經沒落了一段時間，主要原因為當時學者認為類神經網路連簡單 的「互斥或」（exclusive or , XOR）問題都沒有辦法解決，故在當時 被認為前途不佳而被忽略，直到1980年代後才又再度興起，因當時的 學者提出了聯想記憶體架構和倒傳遞類神經理論等一連串的突破性 發展理論而解決了以上的問題，直到現在類神經網路被提出的種類和 發展也趨向於多樣化及完整，類神經網路如今已廣泛的應用在各個不 同的領域中[26]。

隨著時代科技的發展，建構健康監測系統識別的技術已快速的成 長，而系統識別所獲得的資料往往是大量且複雜的，此時要獲得反應 資料和損傷結果的關係通常是相當的困難，因此如何建立起兩者之間 的關聯往往是一個浩大的工程，近年來開始有研究以類神經網路應用 於結構健康監測的資料處理上，因類神經網路的優勢即為處理此種龐 大複雜資料的能力，研究希望以類神經網路建立一個完善且有效率的 系統。而類神經網路與土木領域的應用，最早僅於設計和分析等問題 的解決，直到90年代初期，學者Kudva[27]以模態做為輸入，訓練類 神經網路診斷結構損壞的位置，Worden[28]則是針對剛架模型做不同 負載下的反應分析，以所得的應變和損壞狀態做為類神經網路的訓練 案例，以上為類神經發展初期時的研究，主要目的在資料處理上速度 的提升，之後隨著類神經網路的發展和電腦速度的提升，更多學者投 入相關領域的研究，如Ceravolo[29]等人使用倒傳遞類神經網路為架 構，證明自然頻率的辨識也是相當明顯的損壞指標，而Szewczyk[30]

和Hajela將結構的靜態變位做為輸入值，嘗試找出桿件勁度改變與節 點變位之間的關聯性，國內學者也在此領域中有所貢獻，如Hung[31]

12

[32]等人利用倒傳遞類神經模擬結構非線性遲滯動力行為，利用敏感 度的方法分析輸入變數對輸出變輸的影響，藉此來降低網路的複雜度 以提高效率和精度，此方法在數值分析和實驗皆有不錯的效果，可模 擬Bouc-Wen滯模式系統的非線性動力行為，還有應用小波類神經網 路於橋樑實測地震反應之損壞偵測，小波類神經網路為將小波轉換取 代神經元中的轉換函數形成小波元的型式稱之，而訓練方式則類似類 神經網路中常用的倒傳遞模式，其目的為根據輸入和輸出的訊號自動 調整小波元的參數，大量減少分解和重建訊號所需的小波數目，並能 快速有效的分解和重建。根據以上這些文獻，我們可利用不同的數值 輸入類神經網路中學習，只要配合適度的參數修正及足夠的訓練，類 神經網路將在結構健康監測領域中有廣大的發展空間。

13