論文の概要: Peri-Net-Pro: The neural processes with quantified uncertainty for crack patterns

• arxiv url: http://arxiv.org/abs/2005.13461v1
• Date: Sat, 23 May 2020 06:33:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-30 03:44:30.422734
• Title: Peri-Net-Pro: The neural processes with quantified uncertainty for crack patterns
• Title（参考訳）: Peri-Net-Pro: き裂パターンの定量的不確実性を有する神経過程
• Authors: Moonseop Kim, Guang Lin
• Abstract要約: 本稿では, 運動円盤のひび割れパターンを予測し, モードに応じて分類するために, 周辺力学理論を用いる。 画像分類と回帰研究は、畳み込みニューラルネットワーク(CNN)とニューラルネットワークを通じて行われる。
• 参考スコア（独自算出の注目度）: 8.591839265985417
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper uses the peridynamic theory, which is well-suited to crack studies, to predict the crack patterns in a moving disk and classify them according to the modes and finally perform regression analysis. In that way, the crack patterns are obtained according to each mode by Molecular Dynamic (MD) simulation using the peridynamics. Image classification and regression studies are conducted through Convolutional Neural Networks (CNNs) and the neural processes. First, we increased the amount and quality of the data using peridynamics, which can theoretically compensate for the problems of the finite element method (FEM) in generating crack pattern images. Second, we did the case study for the PMB, LPS, and VES models that were obtained using the peridynamic theory. Case studies were performed to classify the images using CNNs and determine the PMB, LBS, and VES models' suitability. Finally, we performed the regression analysis for the images of the crack patterns with neural processes to predict the crack patterns. In the regression problem, by representing the results of the variance according to the epochs, it can be confirmed that the result of the variance is decreased by increasing the epoch numbers through the neural processes. The most critical point of this study is that the neural processes make an accurate prediction even if there are missing or insufficient training data.
• Abstract（参考訳）: 本稿では,クラック研究に適した周辺力学理論を用いて,移動円板内のクラックパターンを予測し,モードに応じて分類し,最終的に回帰解析を行う。 このようにして、周辺力学を用いた分子動力学シミュレーションにより、各モードに応じて亀裂パターンを求める。 画像分類と回帰研究は畳み込みニューラルネットワーク(cnns)とニューラルネットワークプロセスを通じて行われる。 まず, 有限要素法(FEM)のひび割れパターン画像生成における問題点を理論的に補うことができるペリダイナミックスを用いて, データの量と品質を増大させた。 第2に, 周辺力学理論を用いて得られたPMB, LPS, VESモデルのケーススタディを行った。 CNNを用いて画像を分類し、PMB、LBS、VESモデルの適合性を決定するケーススタディが実施された。 最後に, ひび割れパターンの画像の回帰解析を行い, ひび割れパターンの予測を行った。 回帰問題では, 変分の結果をエポックに従って表現することにより, ニューラル過程を通じてエポック数を増大させることで, 変分の結果が減少することが確認できる。 この研究の最も重要な点は、トレーニングデータが不足している、あるいは不足している場合でも、神経プロセスが正確な予測を行うことだ。

関連論文リスト

• How Inverse Conditional Flows Can Serve as a Substitute for Distributional Regression [2.9873759776815527]
  逆流変換(DRIFT)を用いた分布回帰の枠組みを提案する。 DRIFTは解釈可能な統計モデルと柔軟なニューラルネットワークの両方をカバーする。
  論文  参考訳（メタデータ） (2024-05-08T21:19:18Z)
• A Spectral Theory of Neural Prediction and Alignment [8.65717258105897]
  我々は、回帰からモデルと対象のスペクトル特性への一般化誤差を関連づける最近の理論的枠組みを用いる。 我々は、視覚的皮質活動を予測するディープニューラルネットワークを多数テストし、回帰によって測定された低ニューラルネットワーク予測誤差をもたらす複数のタイプのジオメトリーが存在することを示す。
  論文  参考訳（メタデータ） (2023-09-22T12:24:06Z)
• Analysis of Numerical Integration in RNN-Based Residuals for Fault Diagnosis of Dynamic Systems [0.6999740786886536]
  本論文は,重度トラックの後処理システムの事例スタディを含み,これらの技術が故障診断性能を向上させる可能性を明らかにする。 データ駆動モデリングと機械学習は、動的システムの振る舞いをモデル化するために広く使われている。
  論文  参考訳（メタデータ） (2023-05-08T12:48:18Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Dynamical Hyperspectral Unmixing with Variational Recurrent Neural Networks [25.051918587650636]
  MTHU(Multitemporal hyperspectral unmixing)は、ハイパースペクトル画像解析の基本的なツールである。 本稿では,変分リカレントニューラルネットワークに基づく教師なしMTHUアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-03-19T04:51:34Z)
• A predictive physics-aware hybrid reduced order model for reacting flows [65.73506571113623]
  反応流問題の解法として,新しいハイブリッド型予測次数モデル (ROM) を提案する。 自由度は、数千の時間的点から、対応する時間的係数を持ついくつかのPODモードへと減少する。 時間係数を予測するために、2つの異なるディープラーニングアーキテクチャがテストされている。
  論文  参考訳（メタデータ） (2023-01-24T08:39:20Z)
• An advanced spatio-temporal convolutional recurrent neural network for storm surge predictions [73.4962254843935]
  本研究では, 人工ニューラルネットワークモデルを用いて, 嵐の軌跡/規模/強度履歴に基づいて, 強風をエミュレートする能力について検討する。 本研究では, 人工嵐シミュレーションのデータベースを用いて, 強風を予測できるニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2022-04-18T23:42:18Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• Efficient hierarchical Bayesian inference for spatio-temporal regression models in neuroimaging [6.512092052306553]
  例えば、M/EEG逆問題、タスクベースのfMRI分析のためのニューラルネットワークの符号化、温度モニタリングスキームなどがある。 モデルパラメータとノイズの内在的時間的ダイナミクスをモデル化した,新しい階層型フレキシブルベイズフレームワークを考案する。
  論文  参考訳（メタデータ） (2021-11-02T15:50:01Z)
• Multiplicative noise and heavy tails in stochastic optimization [62.993432503309485]
  経験的最適化は現代の機械学習の中心であるが、その成功における役割はまだ不明である。 分散による離散乗法雑音のパラメータによく現れることを示す。 最新のステップサイズやデータを含む重要な要素について、詳細な分析を行い、いずれも最先端のニューラルネットワークモデルで同様の結果を示す。
  論文  参考訳（メタデータ） (2020-06-11T09:58:01Z)
• Stochasticity in Neural ODEs: An Empirical Study [68.8204255655161]
  ニューラルネットワークの正規化(ドロップアウトなど)は、より高度な一般化を可能にするディープラーニングの広範な技術である。 トレーニング中のデータ拡張は、同じモデルの決定論的およびバージョンの両方のパフォーマンスを向上させることを示す。 しかし、データ拡張によって得られる改善により、経験的正規化の利得は完全に排除され、ニューラルODEとニューラルSDEの性能は無視される。
  論文  参考訳（メタデータ） (2020-02-22T22:12:56Z)

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。