論文の概要: Predictive Capability Maturity Quantification using Bayesian Network
- arxiv url: http://arxiv.org/abs/2010.03373v1
- Date: Mon, 31 Aug 2020 17:09:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 07:28:29.515782
- Title: Predictive Capability Maturity Quantification using Bayesian Network
- Title（参考訳）: ベイズネットワークを用いた予測能力成熟度定量化
- Authors: Linyu Lin, Nam Dinh
- Abstract要約: 原子力工学では、リスクインフォームド安全分析を支援するためにモデリングとシミュレーション(M&S)が広く適用されている。
データギャップのため、検証は不確実性の下で意思決定プロセスとなる。
本稿では,ベイズネットワーク(PCMQBN)を用いた予測能力成熟度定量化フレームワークを,シミュレーション精度を評価するための定量化フレームワークとして提案する。
- 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: In nuclear engineering, modeling and simulations (M&Ss) are widely applied to
support risk-informed safety analysis. Since nuclear safety analysis has
important implications, a convincing validation process is needed to assess
simulation adequacy, i.e., the degree to which M&S tools can adequately
represent the system quantities of interest. However, due to data gaps,
validation becomes a decision-making process under uncertainties. Expert
knowledge and judgments are required to collect, choose, characterize, and
integrate evidence toward the final adequacy decision. However, in validation
frameworks CSAU: Code Scaling, Applicability, and Uncertainty (NUREG/CR-5249)
and EMDAP: Evaluation Model Development and Assessment Process (RG 1.203), such
a decision-making process is largely implicit and obscure. When scenarios are
complex, knowledge biases and unreliable judgments can be overlooked, which
could increase uncertainty in the simulation adequacy result and the
corresponding risks. Therefore, a framework is required to formalize the
decision-making process for simulation adequacy in a practical, transparent,
and consistent manner. This paper suggests a framework "Predictive Capability
Maturity Quantification using Bayesian network (PCMQBN)" as a quantified
framework for assessing simulation adequacy based on information collected from
validation activities. A case study is prepared for evaluating the adequacy of
a Smoothed Particle Hydrodynamic simulation in predicting the hydrodynamic
forces onto static structures during an external flooding scenario. Comparing
to the qualitative and implicit adequacy assessment, PCMQBN is able to improve
confidence in the simulation adequacy result and to reduce expected loss in the
risk-informed safety analysis.
- Abstract（参考訳）: 原子力工学では、リスクインフォームド安全分析を支援するためにモデリングとシミュレーション(M&S)が広く用いられている。
核安全分析は重要な意味を持つため、シミュレーションの精度、すなわち、M&Sツールがシステムへの関心を適切に表現できる程度を評価するための検証プロセスが必要である。
しかし、データギャップのため、検証は不確実性の下で意思決定プロセスとなる。
専門家の知識と判断は、最終決定に対する証拠を収集し、選択し、特徴づけ、統合するために必要である。
しかし、CSAU: コードスケーリング、適用可能性、不確実性 (NUREG/CR-5249) と EMDAP: 評価モデル開発と評価プロセス (RG 1.203) では、このような意思決定プロセスは暗黙的で曖昧である。
シナリオが複雑である場合、知識バイアスや信頼できない判断は見過ごされ、シミュレーションの精度とそれに対応するリスクの不確実性を高める可能性がある。
したがって、実用的で透明で一貫性のある方法で、シミュレーションの適正性のための意思決定プロセスを定式化する枠組みが必要となる。
本稿では,検証活動から収集した情報に基づいてシミュレーションの妥当性を定量的に評価するためのフレームワークとして,ベイズネットワーク(pcmqbn)を用いた予測能力成熟度定量化手法を提案する。
外部フラッディングシナリオにおける静的構造への流体力予測におけるスムース粒子流体力学シミュレーションの有効性を評価するために, ケーススタディを構築した。
定性的・暗黙的な妥当性評価と比較すると,PCMQBNはシミュレーション精度の信頼性を高め,リスクインフォームド安全分析における期待損失を低減することができる。
関連論文リスト
- Coupled Requirements-driven Testing of CPS: From Simulation To Reality [5.7736484832934325]
CPS(Cyber-Physical Systems)の障害は、物理的なインフラや人間を傷つける深刻な事故を引き起こす可能性がある。
現在のシミュレーションとフィールドテストの実践、特に小型無人航空システム(sUAS)の領域では、アドホックであり、完全に構造化されたテストプロセスが欠如している。
我々はCPSを検証するための初期フレームワークを開発し、特にsUASとロボットアプリケーションに焦点を当てた。
論文 参考訳（メタデータ） (2024-03-24T20:32:12Z) - Decomposing Uncertainty for Large Language Models through Input Clarification Ensembling [69.83976050879318]
大規模言語モデル(LLM)では、不確実性の原因を特定することが、信頼性、信頼性、解釈可能性を改善するための重要なステップである。
本稿では,LLMのための不確実性分解フレームワークについて述べる。
提案手法は,入力に対する一連の明確化を生成し,それらをLLMに入力し,対応する予測をアンサンブルする。
論文 参考訳（メタデータ） (2023-11-15T05:58:35Z) - Investigating Robustness in Cyber-Physical Systems: Specification-Centric Analysis in the face of System Deviations [8.8690305802668]
サイバー物理システム(CPS)の重要属性は堅牢性であり、安全に運用する能力を示している。
本稿では,特定のシステム要件を満たす上でのコントローラの有効性を特徴付ける,仕様に基づく新しいロバスト性を提案する。
本稿では, 微妙な堅牢性違反を識別するための2層シミュレーションに基づく解析フレームワークを提案する。
論文 参考訳（メタデータ） (2023-11-13T16:44:43Z) - Towards the Development of an Uncertainty Quantification Protocol for
the Natural Gas Industry [0.0]
シミュレーション結果の不確かさは意思決定プロセスに不可欠である。
本稿では,機械学習および機械シミュレーションモデルの予測の不確実性を評価するためのプロトコルを開発する。
このプロトコルは、ガス流通産業に関連するケースのテストに応用され、その応用から学んだことを提示する。
論文 参考訳（メタデータ） (2023-08-05T18:54:59Z) - Measuring and Modeling Uncertainty Degree for Monocular Depth Estimation [50.920911532133154]
単分子深度推定モデル(MDE)の本質的な不適切さと順序感性は、不確かさの程度を推定する上で大きな課題となる。
本稿では,MDEモデルの不確かさを固有確率分布の観点からモデル化する。
新たなトレーニング正規化用語を導入することで、驚くほど単純な構成で、余分なモジュールや複数の推論を必要とせずに、最先端の信頼性で不確実性を推定できる。
論文 参考訳（メタデータ） (2023-07-19T12:11:15Z) - Probabilities Are Not Enough: Formal Controller Synthesis for Stochastic
Dynamical Models with Epistemic Uncertainty [68.00748155945047]
複雑な力学系のモデルにおける不確実性を捉えることは、安全なコントローラの設計に不可欠である。
いくつかのアプローチでは、安全と到達可能性に関する時間的仕様を満たすポリシーを形式的な抽象化を用いて合成する。
我々の貢献は、ノイズ、不確実なパラメータ、外乱を含む連続状態モデルに対する新しい抽象的制御法である。
論文 参考訳（メタデータ） (2022-10-12T07:57:03Z) - Probabilistic robust linear quadratic regulators with Gaussian processes [73.0364959221845]
ガウス過程(GP)のような確率モデルは、制御設計に続く使用のためのデータから未知の動的システムを学ぶための強力なツールです。
本稿では、確率的安定性マージンに関して堅牢なコントローラを生成する線形化GPダイナミクスのための新しいコントローラ合成について述べる。
論文 参考訳（メタデータ） (2021-05-17T08:36:18Z) - Evaluating the Safety of Deep Reinforcement Learning Models using
Semi-Formal Verification [81.32981236437395]
本稿では,区間分析に基づく半形式的意思決定手法を提案する。
本手法は, 標準ベンチマークに比較して, 形式検証に対して比較結果を得る。
提案手法は, 意思決定モデルにおける安全性特性を効果的に評価することを可能にする。
論文 参考訳（メタデータ） (2020-10-19T11:18:06Z) - Structural Estimation of Partially Observable Markov Decision Processes [3.1614382994158956]
プロセスの観測可能な履歴に基づいて,POMDPモデルのプリミティブの構造的推定を考察する。
本稿では, 最適機器交換への適用例として, 推定手法について述べる。
論文 参考訳（メタデータ） (2020-08-02T15:04:27Z) - SAMBA: Safe Model-Based & Active Reinforcement Learning [59.01424351231993]
SAMBAは、確率論的モデリング、情報理論、統計学といった側面を組み合わせた安全な強化学習のためのフレームワークである。
我々は,低次元および高次元の状態表現を含む安全な力学系ベンチマークを用いて,アルゴリズムの評価を行った。
アクティブなメトリクスと安全性の制約を詳細に分析することで,フレームワークの有効性を直感的に評価する。
論文 参考訳（メタデータ） (2020-06-12T10:40:46Z) - Efficient statistical validation with edge cases to evaluate Highly
Automated Vehicles [6.198523595657983]
自動運転車の大規模展開は、まだ解決されていない多くの安全上の課題にもかかわらず、差し迫っているようだ。
既存の標準は、検証が要求をカバーするテストケースのセットだけを必要とする決定論的プロセスに焦点を当てています。
本稿では, 自動生成テストケースを最悪のシナリオに偏り付け, システムの挙動の統計的特性を計算するための新しい手法を提案する。
論文 参考訳（メタデータ） (2020-03-04T04:35:22Z)
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。