امروزه استفاده از مدل‌های جایگزین مبتنی بر الگوریتم‌های هوش مصنوعی در زمینه عیب‌یابی سازه‌ها مورد توجه بسیاری از محققین قرار گرفته است. در این تحقیق، جهت افزیش دقت الگوریتم تشخیص عیوب چندگانه در سیستم‌های سازه‌ای، کرنل جدیدی مبتنی بر موجک لیتلود پالی برای الگویتم هوش مصنوعی ماشین یادگیری حداکثر، توسعه داده می‌شود. به‌منظور کاهش حجم محاسبات به‌روزرسانی مدل سازه از ماشین یادگیری حداکثر به‌عنوان مدل جایگزین برای تحلیل اجزای محدود دقیق سازه استفاده می‌شود. در روش دو مرحله‌ای پیشنهادی در مرحله اول با استفاده از شاخص مبتنی بر تابع پاسخ فرکانسی سازه، المان‌های معیوب مشخص می‌شود و در مرحله دوم شدت خرابی در این اعضا با استفاده از مدل جایگزین مبتنی بر ماشین یادگیری حداکثر تعیین می‌شود. برای مقایسه کارایی سیستم مبتنی بر ماشین یادگیری حداکثر، نتایج حاصل از کرنل پیشنهادی با سایر کرنل‌های پیشنهاد شده برای ماشین یادگیری حداکثر و همچنین الگوریتم ماشین بردار پشتیبان حداقل مربعات، مقایسه شده است. مثال‌های عددی حل‌شده بیانگر افزایش قابل توجه دقت الگوریتم ماشین یادگیری حداکثر در فرایند عیب‌یابی سازه‌ها در صورت استفاده از کرنل موجکی لیتلود پالی است.
