論文の概要: A Bayesian Monte-Carlo Uncertainty Model for Assessment of Shear Stress
Entropy
- arxiv url: http://arxiv.org/abs/2001.04802v1
- Date: Fri, 10 Jan 2020 22:46:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-12 23:05:18.779565
- Title: A Bayesian Monte-Carlo Uncertainty Model for Assessment of Shear Stress
Entropy
- Title(参考訳): せん断応力エントロピー評価のためのベイズ的モンテカルロ不確かさモデル
- Authors: Amin Kazemian-Kale-Kale, Azadeh Gholami, Mohammad Rezaie-Balf, Amir
Mosavi, Ahmed A Sattar, Bahram Gharabaghi, Hossein Bonakdari
- Abstract要約: 本稿では, シャノン, シャノンパワーロー (PL), ツァリ, レニの4つのエントロピーモデルのせん断応力推定における不確実性を評価する新しい手法を提案する。
FREEopt-based OCB (FOCB) と呼ばれる新しい統計指標を開発した。
シャノンとシャノンPLエントロピーは、円チャネルにおけるせん断応力値の計算において最も確実であり、その後に従来の一様流れせん断応力と密接な値を持つツァリス模型が続いた。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The entropy models have been recently adopted in many studies to evaluate the
distribution of the shear stress in circular channels. However, the uncertainty
in their predictions and their reliability remains an open question. We present
a novel method to evaluate the uncertainty of four popular entropy models,
including Shannon, Shannon-Power Low (PL), Tsallis, and Renyi, in shear stress
estimation in circular channels. The Bayesian Monte-Carlo (BMC) uncertainty
method is simplified considering a 95% Confidence Bound (CB). We developed a
new statistic index called as FREEopt-based OCB (FOCB) using the statistical
indices Forecasting Range of Error Estimation (FREE) and the percentage of
observed data in the CB (Nin), which integrates their combined effect. The
Shannon and Shannon PL entropies had close values of the FOCB equal to 8.781
and 9.808, respectively, had the highest certainty in the calculation of shear
stress values in circular channels followed by traditional uniform flow shear
stress and Tsallis models with close values of 14.491 and 14.895, respectively.
However, Renyi entropy with much higher values of FOCB equal to 57.726 has less
certainty in the estimation of shear stress than other models. Using the
presented results in this study, the amount of confidence in entropy methods in
the calculation of shear stress to design and implement different types of open
channels and their stability is determined.
- Abstract(参考訳): 近年, 円チャネル内のせん断応力分布を評価するために, エントロピーモデルが多くの研究で採用されている。
しかし、その予測と信頼性の不確実性は、まだ明らかな疑問である。
本稿では,円管内のせん断応力推定において,シャノン,シャノンパワーロー (pl), ツァリス, レーニーを含む4つの一般的なエントロピーモデルの不確かさを評価する新しい手法を提案する。
95%信頼境界 (CB) を考慮したベイジアンモンテカルロ(BMC)の不確実性法を単純化する。
我々は,誤差推定範囲(free)と観測データの割合(nin)を組み合わせた統計指標を用いて,freeopt-based ocb (focb) と呼ばれる新しい統計指標を開発した。
シャノンとシャノンのplエントロピーはそれぞれ8.781と9.808に等しいfocbの密接な値を持ち、円形流路のせん断応力値の計算において最も確実であり、続いて従来の一様せん断応力と14.491と14.895のtsallisモデルがあった。
しかし、FOCBの値が57.726と非常に高いレニイエントロピーは、他のモデルよりもせん断応力の推定において確実性が低い。
本研究では, せん断応力計算におけるエントロピー手法の信頼性の量を用いて, 異なる種類の開水路の設計と実装を行い, その安定性について検討した。
関連論文リスト
- One step closer to unbiased aleatoric uncertainty estimation [71.55174353766289]
そこで本研究では,観測データのアクティブデノイズ化による新しい推定手法を提案する。
幅広い実験を行うことで,提案手法が標準手法よりも実際のデータ不確実性にはるかに近い近似を与えることを示す。
論文 参考訳(メタデータ) (2023-12-16T14:59:11Z) - Calibrating Neural Simulation-Based Inference with Differentiable
Coverage Probability [50.44439018155837]
ニューラルモデルのトレーニング目的に直接キャリブレーション項を含めることを提案する。
古典的なキャリブレーション誤差の定式化を緩和することにより、エンドツーエンドのバックプロパゲーションを可能にする。
既存の計算パイプラインに直接適用でき、信頼性の高いブラックボックス後部推論が可能である。
論文 参考訳(メタデータ) (2023-10-20T10:20:45Z) - The Implicit Delta Method [61.36121543728134]
本稿では,不確実性のトレーニング損失を無限に正規化することで機能する,暗黙のデルタ法を提案する。
有限差分により無限小変化が近似された場合でも, 正則化による評価の変化は評価推定器の分散に一定であることを示す。
論文 参考訳(メタデータ) (2022-11-11T19:34:17Z) - Meta-Uncertainty in Bayesian Model Comparison [0.0]
メタ不確かさの定量化のための完全確率的枠組みを提案する。
提案手法の有用性を,共役ベイズ回帰,マルコフ連鎖モンテカルロによる確率ベース推論,ニューラルネットワークによるシミュレーションベース推論の文脈で示す。
論文 参考訳(メタデータ) (2022-10-13T18:10:29Z) - Conditional-Flow NeRF: Accurate 3D Modelling with Reliable Uncertainty
Quantification [44.598503284186336]
Conditional-Flow NeRF (CF-NeRF) は、不確実な定量化をNeRFベースのアプローチに組み込む新しい確率的フレームワークである。
CF-NeRFは、モデル化されたシーンに関連する不確実性を定量化するために使用される全ての可能な放射場モデリング上の分布を学習する。
論文 参考訳(メタデータ) (2022-03-18T23:26:20Z) - Quantifying Model Predictive Uncertainty with Perturbation Theory [21.591460685054546]
本稿では,ニューラルネットワークの予測不確実性定量化のためのフレームワークを提案する。
量子物理学の摂動理論を用いてモーメント分解問題を定式化する。
我々の手法は、より高精度でキャリブレーションの高い高速なモデル予測不確実性推定を提供する。
論文 参考訳(メタデータ) (2021-09-22T17:55:09Z) - Bayesian Boosting for Linear Mixed Models [0.0]
本稿では,線形混合モデルに対するブースティングとベイジアンを組み合わせた新しい推論手法"BayesBoost"を提案する。
この手法はベイズ推定の欠点を克服し、正確で曖昧なガイドラインを提示する。
新しいアプローチの有効性は、シミュレーションや、神経生理学の分野のデータ例を通して観察することができる。
論文 参考訳(メタデータ) (2021-06-09T07:40:00Z) - Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。
我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。
実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
論文 参考訳(メタデータ) (2021-05-25T14:35:46Z) - Uncertainty Principles in Risk-Aware Statistical Estimation [4.721069729610892]
リスク対応統計推定のための新しい不確実性原理を提案する。
平均二乗誤差(mse$)とリスクの間の本質的にのトレードオフを効果的に定量化する。
論文 参考訳(メタデータ) (2021-04-29T12:06:53Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳(メタデータ) (2021-02-12T12:23:13Z) - Unlabelled Data Improves Bayesian Uncertainty Calibration under
Covariate Shift [100.52588638477862]
後続正則化に基づく近似ベイズ推定法を開発した。
前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
論文 参考訳(メタデータ) (2020-06-26T13:50:19Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。