结构完整性对混凝土基础设施（如桥梁、隧道和墙体）的安全与耐久性至关重要。传统的损伤检测方法劳动密集、耗时且易出错。本文探讨了利用先进的数据驱动技术来解决这些问题。

科学机器学习是结合物理知识和数据驱动技术的新方法，用于揭示复杂过程的控制方程。本文研究了不确定性量化的形式化，并评估了集成、变分推断和马尔可夫链蒙特卡洛采样等方法的有效性和效率。

该综述论文介绍了数据驱动技术在固体无路径依赖响应的本构法则中的应用。方法分为基于机器学习和无模型方法，并根据解释能力和所需数据学习过程/类型进一步分类。同时讨论了一般化和可信性的关键问题，并提供了解决这些问题的路线图。

本文介绍了一种适用于频域的深度模型，采用手工制作和数据驱动技术，以降低计算复杂性和参数数量，实现计算成本和准确性的平衡。