#اپلای #دکترا #امریکا🇺🇲
@CivilEngVid

PhD Position Multiscale Simulation of Deformable Fractured & Faulted Reservoirs at Delft University

https://careers.tudelft.nl/job/Delft-PhD-Position-Multiscale-Simulation-of-Deformable-Fractured-&-Faulted-Reservoirs-2628-CD/808713602/
#اپلای #دکترا
@CivilEngVid

The best available guide to the elastic stability of large structures, this book introduces the principles and theory of structural stability. It was co-authored by the father of modern engineering mechanics, Stephen Timoshenko, and James Gere, who updated the materials and worked closely with Dr. Timoshenko.
@CivilEngVid

MSc and PhD positions at the university of minho in the field of structural engineering

https://www.linkedin.com/feed/update/urn:li:activity:7359250705959817216/

ژنتیک‌برنامه‌نویسی (Genetic Programming) یک روش هوش مصنوعی بر پایه الگوریتم‌های تکاملی است که برای پیدا کردن «فرم و ساختار» یک مدل یا معادله به‌صورت خودکار استفاده می‌شود. برخلاف روش‌های کلاسیک که شکل مدل از قبل مشخص است (مثل خطی یا چندجمله‌ای) و فقط ضرایب تخمین زده می‌شوند، در GP هم ساختار معادله و هم ضرایب آن هم‌زمان و از طریق فرآیندی مشابه تکامل موجودات زنده (انتخاب، ترکیب، جهش) پیدا می‌شوند. مزیت‌های اصلی GP شامل توانایی کشف روابط پیچیده و غیرخطی بدون نیاز به فرض فرم مدل، تولید معادلات بسته و قابل‌تفسیر، انتخاب خودکار متغیرهای مهم (feature selection)، و امکان ترکیب دانش فیزیکی یا قیود مسئله در فرآیند جست‌وجو است. این روش به‌ویژه در مسائلی که ساختار دقیق رابطه بین ورودی و خروجی ناشناخته یا بسیار پیچیده است، عملکردی قدرتمند و انعطاف‌پذیر دارد.
@CivilEngVid

پکیج GPTIPS یک ابزار متن‌باز در محیط MATLAB است که برای پیاده‌سازی «رگرسیون نمادین» با استفاده از Genetic Programming طراحی شده است. این پکیج با استفاده از ساختار درختی برای نمایش مدل‌ها، هم‌زمان فرم معادله و ضرایب آن را از داده‌ها کشف می‌کند و خروجی را به صورت یک رابطه ریاضی صریح ارائه می‌دهد.

منبع:https://www.gptips.org/home

پ.ن: با افزودن این پکیج به متلب و استفاده از مثال‌های ارائه‌شده در وب‌سایت، می‌توان به‌صورت مستقیم معادلهٔ ریاضی صریح بین داده‌های ورودی و خروجی را استخراج کرد.
@CivilEngVid

دههٔ ۱۹۶۰ – John Holland در دانشگاه میشیگان مفهوم الگوریتم‌های ژنتیک (GA) را معرفی می‌کند و پایهٔ تئوری انتخاب طبیعی در محاسبات تکاملی را می‌گذارد.

دههٔ ۱۹۸۰ – ایدهٔ استفاده از نمایش درختی برای مدل‌سازی برنامه‌ها و روابط ریاضی به‌عنوان توسعه‌ای بر الگوریتم‌های ژنتیک شکل می‌گیرد.

۱۹۹۲ – John R. Koza، شاگرد Holland در دانشگاه استنفورد، کتاب مهم "Genetic Programming: On the Programming of Computers by Means of Natural Selection" را منتشر می‌کند و GP را به‌طور رسمی معرفی و عملیاتی می‌کند.

۱۹۹۰s–۲۰۰۰s – کاربرد GP در مهندسی، علوم داده، زیست‌محاسبات و کشف روابط فیزیکی گسترش می‌یابد.

۲۰۱۰s – توسعهٔ پکیج‌های نرم‌افزاری متن‌باز مانند GPTIPS (برای MATLAB) و DEAP (برای Python) باعث می‌شود GP در مدل‌سازی داده و کشف معادلات به‌طور گسترده در دسترس پژوهشگران قرار گیرد.

امروز – GP به‌عنوان یکی از ابزارهای اصلی رگرسیون نمادین و کشف خودکار روابط پیچیده و غیرخطی در داده‌ها شناخته می‌شود.

@CivilEngVid

Genetic Programming Based Formulation to Predict Compressive Strength of High Strength Concrete
@CivilEngVid

Ph.D./M.S. Positions in AI/ML-Enhanced Wind Engineering and Multi-Hazard Resilience
@CivilEngVid

How We Built a 2D FEM Program in
Python from Scratch

GitHub: https://github.com/VictorLued/femlearn.py
@CivilEngVid

PhD position in structural engineering at McGill University for Fall/Winter 2026
link:www.struct-lab.com/jobs

@CivilEngVid

PhD & Postdocs positions in NTU Singapore

@CivilEngVid

☑️ دسترسی به میلیون‌ها مطلب رایگان مهندسی عمران و معماری 🧨

🔳 با این فولدر مطالب، ویدئوها، نقشه‌ها و سایر فایل‌های آموزشی لازم در زمینه طراحی و محاسبات زلزله، متره و صورت وضعیت نویسی، آزمون‌های نظام مهندسی، مطالب فنی و اجرایی و حقوقی ناظران و مجریان و سایر مطالب در کتابخانه بسیار کامل و جامع در فولدر بهترین کانال‌های مهندسی عمران و معماری در اختیار شماست.

♾️ کافیست روی لینک زیر بزنید و گزینه ADD FOLDER را انتخاب کنید تا همیشه دسترسی سریع داشته باشید:

➕ اضافه کردن فولدر

🔗 https://news.1rj.ru/str/addlist/MPjQehVfX4IyYzk8