論文の概要: Overview of Gaussian process based multi-fidelity techniques with
variable relationship between fidelities
- arxiv url: http://arxiv.org/abs/2006.16728v1
- Date: Tue, 30 Jun 2020 12:37:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-15 04:54:35.180877
- Title: Overview of Gaussian process based multi-fidelity techniques with
variable relationship between fidelities
- Title(参考訳): 忠実度間の変動を考慮したガウス過程に基づく多忠実度技術の概要
- Authors: Lo\"ic Brevault, Mathieu Balesdent, Ali Hebbal
- Abstract要約: マルチフィデリティモデリングは、異なるフィデリティモデルをマージして、計算コストに制限のある正確な結果を提供する方法である。
忠実度モデル間の関係は多忠実度モデリングにおける重要な側面である。
本稿では,ガウス過程に基づく多忠実度モデリング手法の概要について述べる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The design process of complex systems such as new configurations of aircraft
or launch vehicles is usually decomposed in different phases which are
characterized for instance by the depth of the analyses in terms of number of
design variables and fidelity of the physical models. At each phase, the
designers have to compose with accurate but computationally intensive models as
well as cheap but inaccurate models. Multi-fidelity modeling is a way to merge
different fidelity models to provide engineers with accurate results with a
limited computational cost. Within the context of multi-fidelity modeling,
approaches relying on Gaussian Processes emerge as popular techniques to fuse
information between the different fidelity models. The relationship between the
fidelity models is a key aspect in multi-fidelity modeling. This paper provides
an overview of Gaussian process-based multi-fidelity modeling techniques for
variable relationship between the fidelity models (e.g., linearity,
non-linearity, variable correlation). Each technique is described within a
unified framework and the links between the different techniques are
highlighted. All the approaches are numerically compared on a series of
analytical test cases and four aerospace related engineering problems in order
to assess their benefits and disadvantages with respect to the problem
characteristics.
- Abstract(参考訳): 航空機やロケットの新しい構成のような複雑なシステムの設計プロセスは通常、設計変数の数と物理モデルの忠実性の観点から分析の深さによって特徴づけられる異なるフェーズで分解される。
各フェーズでは、設計者は正確だが計算集約的なモデルと、安価だが不正確なモデルで構成する必要がある。
マルチフィデリティモデリングは、異なるフィデリティモデルをマージして、計算コストに制限のある正確な結果を提供する方法である。
マルチフィデリティモデリングの文脈において、ガウス過程に依存するアプローチは、異なるフィデリティモデル間で情報を融合する一般的な技術として現れる。
忠実度モデル間の関係は多忠実度モデリングにおける重要な側面である。
本稿では,忠実度モデル間の可変関係(線形性,非線形性,可変相関など)に対するガウス過程に基づく多元性モデリング手法について概説する。
各テクニックは統一フレームワーク内で記述され、異なるテクニック間のリンクが強調される。
これらすべてのアプローチは、問題特性に関する利点と欠点を評価するために、一連の分析テストケースと4つの航空宇宙関連エンジニアリング問題に基づいて数値的に比較される。
関連論文リスト
- A comprehensive framework for multi-fidelity surrogate modeling with
noisy data: a gray-box perspective [0.0]
グレーボックスモデリングは、データ駆動(ブラックボックス)モデルとホワイトボックス(物理ベース)モデルからの情報を統合する問題に関係している。
我々はMFSM(Multi-fidelity surrogate model)を用いてこの課題を実行することを提案する。
MFSMは、様々な計算忠実度を持つモデルからの情報を新しい代理モデルに統合する。
論文 参考訳(メタデータ) (2024-01-12T08:37:41Z) - Understanding Parameter Sharing in Transformers [53.75988363281843]
トランスフォーマーに関するこれまでの研究は、異なるレイヤでパラメータを共有することに集中しており、モデルの深さを増大させることで、限られたパラメータを持つモデルの性能を向上させることができる。
このアプローチの成功は, モデル複雑性の増加により, ごく一部に過ぎず, 収束性の向上に大きく寄与することを示す。
8つの機械翻訳タスクの実験結果から,パラメータ共有モデルのモデル複雑性を半分に抑えて,我々のモデルが競合性能を達成することが示された。
論文 参考訳(メタデータ) (2023-06-15T10:48:59Z) - Dataless Knowledge Fusion by Merging Weights of Language Models [51.8162883997512]
微調整された事前学習言語モデルは、下流のNLPモデルを構築するための主要なパラダイムとなっている。
これは、より優れた単一モデルを生み出すために、個々のモデル間で知識を融合させる障壁を生み出します。
パラメータ空間のモデルをマージするデータレス知識融合法を提案する。
論文 参考訳(メタデータ) (2022-12-19T20:46:43Z) - Switchable Representation Learning Framework with Self-compatibility [50.48336074436792]
自己整合性(SFSC)を考慮した交換可能な表現学習フレームワークを提案する。
SFSCは1つのトレーニングプロセスを通じて、異なる能力を持つ一連の互換性のあるサブモデルを生成する。
SFSCは評価データセット上で最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2022-06-16T16:46:32Z) - Multi-fidelity Hierarchical Neural Processes [79.0284780825048]
多要素代理モデリングは、異なるシミュレーション出力を融合させることで計算コストを削減する。
本稿では,多階層型階層型ニューラルネットワーク(MF-HNP)を提案する。
疫学および気候モデリングタスクにおけるMF-HNPの評価を行い、精度と不確実性評価の観点から競合性能を達成した。
論文 参考訳(メタデータ) (2022-06-10T04:54:13Z) - Adaptive Reliability Analysis for Multi-fidelity Models using a
Collective Learning Strategy [6.368679897630892]
本研究は,信頼性解析のための適応多忠実ガウス法(adaptive multi-fidelity Gaussian process for reliability analysis,AMGPRA)という新しい手法を提案する。
提案手法は,最先端の単相・多相の手法と比較して計算コストを削減し,類似あるいは高い精度を実現する。
AMGPRAのキーとなる応用は、複雑で高価な物理ベースの計算モデルを用いた高忠実度不安定性モデリングである。
論文 参考訳(メタデータ) (2021-09-21T14:42:58Z) - Multifidelity Modeling for Physics-Informed Neural Networks (PINNs) [13.590496719224987]
物理インフォームドニューラルネットワーク(PINN)は多要素シミュレーション手法の候補である。
本稿では、低ランク構造を利用するPINNに適用した特定の多忠実性アプローチを提案する。
論文 参考訳(メタデータ) (2021-06-25T00:19:19Z) - Split Modeling for High-Dimensional Logistic Regression [0.2676349883103404]
短時間コンパイルしたアンサンブルロジスティック分類モデルに対して,新しい手法を提案する。
本手法は,予測精度に優れたバイアスオフの活用法を学習する。
提案手法を実装したオープンソースソフトウェアライブラリを議論する。
論文 参考訳(メタデータ) (2021-02-17T05:57:26Z) - Multi-fidelity modeling with different input domain definitions using
Deep Gaussian Processes [0.0]
少ないが正確なデータセット(高忠実度データセット)と大きいが近似的なモデル(低忠実度データセット)を組み合わせた多忠実度アプローチ
GPの関数構成であるディープガウス過程(DGP)もMF-DGP(Multi-Fidelity Deep Gaussian Process Model)を用いて多重忠実性に適用されている。
論文 参考訳(メタデータ) (2020-06-29T10:44:06Z) - Bayesian Sparse Factor Analysis with Kernelized Observations [67.60224656603823]
多視点問題は潜在変数モデルに直面することができる。
高次元問題と非線形問題は伝統的にカーネルメソッドによって扱われる。
両アプローチを単一モデルにマージすることを提案する。
論文 参考訳(メタデータ) (2020-06-01T14:25:38Z) - Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。
このようなモデルをリアルタイム診断に利用しています。
論文 参考訳(メタデータ) (2020-03-04T00:44:57Z)
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。