論文の概要: REAK: Reliability analysis through Error rate-based Adaptive Kriging
- arxiv url: http://arxiv.org/abs/2002.01110v1
- Date: Tue, 4 Feb 2020 03:47:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-04 03:36:04.553802
- Title: REAK: Reliability analysis through Error rate-based Adaptive Kriging
- Title(参考訳): REAK: エラーレートに基づく適応リグによる信頼性解析
- Authors: Zeyu Wang and Abdollah Shafieezadeh
- Abstract要約: 本稿では、誤り率に基づく適応クリギング(REAK)による信頼性解析を提案する。
ここではリンデベルク条件に基づく中央極限定理の拡張を用いて、間違った符号推定を持つ設計サンプルの分布を導出する。
その結果,REAKは最先端手法と比較して計算要求を最大50%削減できることがわかった。
- 参考スコア(独自算出の注目度): 2.066555810789929
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As models in various fields are becoming more complex, associated
computational demands have been increasing significantly. Reliability analysis
for these systems when failure probabilities are small is significantly
challenging, requiring a large number of costly simulations. To address this
challenge, this paper introduces Reliability analysis through Error rate-based
Adaptive Kriging (REAK). An extension of the Central Limit Theorem based on
Lindeberg condition is adopted here to derive the distribution of the number of
design samples with wrong sign estimate and subsequently determine the maximum
error rate for failure probability estimates. This error rate enables optimal
establishment of effective sampling regions at each stage of an adaptive scheme
for strategic generation of design samples. Moreover, it facilitates setting a
target accuracy for failure probability estimation, which is used as stopping
criterion for reliability analysis. These capabilities together can
significantly reduce the number of calls to sophisticated, computationally
demanding models. The application of REAK for four examples with varying extent
of nonlinearity and dimension is presented. Results indicate that REAK is able
to reduce the computational demand by as high as 50% compared to
state-of-the-art methods of Adaptive Kriging with Monte Carlo Simulation
(AK-MCS) and Improved Sequential Kriging Reliability Analysis (ISKRA).
- Abstract(参考訳): 様々な分野のモデルが複雑になりつつあるため、関連する計算要求は大幅に増大している。
これらのシステムの障害確率が小さい場合の信頼性解析は極めて困難であり、大量のコストシミュレーションを必要とする。
この課題に対処するために、Error rate-based Adaptive Kriging (REAK) による信頼性解析を提案する。
ここでは、リンデベルク条件に基づく中央極限定理の拡張を用いて、間違った符号推定値を持つ設計サンプル数の分布を導出し、失敗確率推定値の最大誤差率を決定する。
このエラーレートは、設計サンプルの戦略的生成のための適応スキームの各段階における効果的なサンプリング領域の最適な確立を可能にする。
さらに、信頼性解析の停止基準として使用される故障確率推定の目標精度の設定を容易にする。
これらの能力は、洗練された計算要求モデルへの呼び出し数を著しく削減することができる。
非線形性と次元の異なる4つの例に対するREAKの適用について述べる。
その結果,モンテカルロシミュレーション (ak-mcs) と逐次kriging reliability analysis (iskra) の改善による適応krigingの最先端手法と比較して,reakは計算需要を最大50%削減できることがわかった。
関連論文リスト
- Predictability Analysis of Regression Problems via Conditional Entropy Estimations [1.8913544072080544]
回帰問題の予測可能性を評価するために,条件付きエントロピー推定器を開発した。
合成および実世界のデータセットの実験は、これらの推定器の堅牢性と有用性を示している。
論文 参考訳(メタデータ) (2024-06-06T07:59:19Z) - Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。
本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。
これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
論文 参考訳(メタデータ) (2024-06-05T13:36:38Z) - Error-based Knockoffs Inference for Controlled Feature Selection [49.99321384855201]
本手法では, ノックオフ特徴量, エラーベース特徴重要度統計量, ステップダウン手順を一体化して, エラーベースのノックオフ推定手法を提案する。
提案手法では回帰モデルを指定する必要はなく,理論的保証で特徴選択を処理できる。
論文 参考訳(メタデータ) (2022-03-09T01:55:59Z) - Active Learning with Multifidelity Modeling for Efficient Rare Event
Simulation [0.0]
希少事象の効率的に推定することを強調する多忠実度モデリングを用いた能動的学習フレームワークを提案する。
我々のフレームワークは、低忠実度(LF)予測をHF推論補正と融合させ、修正されたLF予測をフィルタリングして、高忠実度モデルを呼び出すかどうかを決定する。
障害確率を小さくする際のロバスト性を改善するため,HFモデルをいつ呼び出すかを決定する動的能動学習関数を提案する。
論文 参考訳(メタデータ) (2021-06-25T17:44:28Z) - Calibrating Over-Parametrized Simulation Models: A Framework via
Eligibility Set [3.862247454265944]
厳密な頻繁な統計的保証を満たす校正手法を開発するための枠組みを開発する。
本手法は,書籍市場シミュレータのキャリブレーションへの応用を含む,いくつかの数値例で実証する。
論文 参考訳(メタデータ) (2021-05-27T00:59:29Z) - Entropy-based adaptive design for contour finding and estimating
reliability [0.24466725954625884]
信頼性解析において、故障確率を推定するために用いられる手法は、しばしばモデル評価に関連するコストによって制限される。
本稿では,MFISと組み合わせることで,より正確な故障確率推定を行うエントロピーに基づくGP適応設計を提案する。
ベンチマークデータに加え、NASA(NASA)宇宙服の衝撃損傷シミュレーターへの応用例も紹介されている。
論文 参考訳(メタデータ) (2021-05-24T15:41:15Z) - Modeling the Second Player in Distributionally Robust Optimization [90.25995710696425]
我々は、最悪のケース分布を特徴付けるために神経生成モデルを使うことを議論する。
このアプローチは多くの実装と最適化の課題をもたらします。
提案されたアプローチは、同等のベースラインよりも堅牢なモデルを生み出す。
論文 参考訳(メタデータ) (2021-03-18T14:26:26Z) - Variance based sensitivity analysis for Monte Carlo and importance
sampling reliability assessment with Gaussian processes [0.0]
本稿では,2つの不確実性源に対する故障推定器の感度を定量的に評価する手法を提案する。
この分析により、故障確率推定に関連する全誤差を制御でき、推定の精度基準を提供する。
本手法は, モンテカルロ法と重要サンプリング法の両方で提案され, 希少事象確率の推定を改善することを目的としている。
論文 参考訳(メタデータ) (2020-11-30T17:06:28Z) - Amortized Conditional Normalized Maximum Likelihood: Reliable Out of
Distribution Uncertainty Estimation [99.92568326314667]
本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。
提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。
我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
論文 参考訳(メタデータ) (2020-11-05T08:04:34Z) - Evaluating probabilistic classifiers: Reliability diagrams and score
decompositions revisited [68.8204255655161]
確率的に統計的に一貫性があり、最適に結合し、再現可能な信頼性図を自動生成するCORP手法を導入する。
コーパスは非パラメトリックアイソトニック回帰に基づいており、プール・アジャセント・ヴァイオレータ(PAV)アルゴリズムによって実装されている。
論文 参考訳(メタデータ) (2020-08-07T08:22:26Z) - Instability, Computational Efficiency and Statistical Accuracy [101.32305022521024]
我々は,人口レベルでのアルゴリズムの決定論的収束率と,$n$サンプルに基づく経験的対象に適用した場合の(不安定性)の間の相互作用に基づいて,統計的精度を得るフレームワークを開発する。
本稿では,ガウス混合推定,非線形回帰モデル,情報的非応答モデルなど,いくつかの具体的なモデルに対する一般結果の応用について述べる。
論文 参考訳(メタデータ) (2020-05-22T22:30:52Z)
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。