論文の概要: Data-driven Accelerogram Synthesis using Deep Generative Models
- arxiv url: http://arxiv.org/abs/2011.09038v1
- Date: Wed, 18 Nov 2020 02:12:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-24 03:46:19.017003
- Title: Data-driven Accelerogram Synthesis using Deep Generative Models
- Title（参考訳）: 深部生成モデルを用いたデータ駆動加速度図合成
- Authors: Manuel A. Florez, Michaelangelo Caporale, Pakpoom Buabthong, Zachary
E. Ross, Domniki Asimaki and Men-Andrin Meier
- Abstract要約: 我々は、GAN(Generative Adversarial Networks)の最近の進歩を活用して、地震加速時間履歴の新しい枠組みを開発する。
我々のアプローチは、連続的な物理変数の集合上で条件付けられた基底運動の生成を可能にするために、ワッサーシュタイン GAN の定式化を拡張している。
学習したジェネレータモデルは, 大きさ, 距離, および$V_s30$で条件付きリアルな3成分加速度図を合成可能であることを示す。
- 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: Robust estimation of ground motions generated by scenario earthquakes is
critical for many engineering applications. We leverage recent advances in
Generative Adversarial Networks (GANs) to develop a new framework for
synthesizing earthquake acceleration time histories. Our approach extends the
Wasserstein GAN formulation to allow for the generation of ground-motions
conditioned on a set of continuous physical variables. Our model is trained to
approximate the intrinsic probability distribution of a massive set of
strong-motion recordings from Japan. We show that the trained generator model
can synthesize realistic 3-Component accelerograms conditioned on magnitude,
distance, and $V_{s30}$. Our model captures the expected statistical features
of the acceleration spectra and waveform envelopes. The output seismograms
display clear P and S-wave arrivals with the appropriate energy content and
relative onset timing. The synthesized Peak Ground Acceleration (PGA) estimates
are also consistent with observations. We develop a set of metrics that allow
us to assess the training process's stability and tune model hyperparameters.
We further show that the trained generator network can interpolate to
conditions where no earthquake ground motion recordings exist. Our approach
allows the on-demand synthesis of accelerograms for engineering purposes.
- Abstract（参考訳）: シナリオ地震による地盤運動のロバスト推定は多くの工学的応用において重要である。
我々は、GAN(Generative Adversarial Networks)の最近の進歩を活用し、地震加速時間履歴を合成する新しい枠組みを開発する。
提案手法はwasserstein ganの定式化を拡張し,連続的な物理変数の組で条件づけされた基底運動の生成を可能にする。
本モデルは,日本からの強震動記録の固有確率分布を近似するために訓練された。
学習した生成器モデルは,大小,距離,および$v_{s30}$を条件とした現実的な3成分加速度を合成できることを示す。
本モデルは加速度スペクトルと波形エンベロープの期待される統計的特徴を捉える。
出力地震計は、適切なエネルギー量と相対開始タイミングでクリアp及びs波の到来を表示する。
合成ピークグラウンド加速(PGA)の推定値も観測値と一致している。
トレーニングプロセスの安定性を評価し,モデルハイパーパラメータをチューニングする,一連のメトリクスを開発する。
さらに, 訓練された発電機ネットワークは, 地震動記録が存在しない状況に介在可能であることを示す。
本手法は, 工学目的の加速度計のオンデマンド合成を可能にする。
関連論文リスト
- High Resolution Seismic Waveform Generation using Denoising Diffusion [3.5046784866523932]
本研究では, 高周波波形生成のための新しい, 効率的, スケーラブルな生成モデルを提案する。
地震波形データのスペクトログラム表現を、オートエンコーダを介して低次元のサブ多様体に還元する。
最先端拡散モデルを用いて、キー入力パラメータを条件に、この潜伏表現を生成する。
論文 参考訳（メタデータ） (2024-10-25T07:01:48Z) - Latent Space Energy-based Neural ODEs [73.01344439786524]
本稿では,連続時間シーケンスデータを表現するために設計された深部力学モデルの新しいファミリを紹介する。
マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。
発振システム、ビデオ、実世界の状態シーケンス(MuJoCo)の実験は、学習可能なエネルギーベース以前のODEが既存のものより優れていることを示している。
論文 参考訳（メタデータ） (2024-09-05T18:14:22Z) - AMP: Autoregressive Motion Prediction Revisited with Next Token Prediction for Autonomous Driving [59.94343412438211]
本稿では,GPT方式の次のトークン動作予測を動作予測に導入する。
同種単位-ワードからなる言語データとは異なり、運転シーンの要素は複雑な空間的・時間的・意味的な関係を持つ可能性がある。
そこで本稿では,情報集約と位置符号化スタイルの異なる3つの因子化アテンションモジュールを用いて,それらの関係を捉えることを提案する。
論文 参考訳（メタデータ） (2024-03-20T06:22:37Z) - A conditional latent autoregressive recurrent model for generation and forecasting of beam dynamics in particle accelerators [46.348283638884425]
本稿では,加速器内の荷電粒子のダイナミクスを学習するための2段階の非教師付きディープラーニングフレームワークであるLatent Autoregressive Recurrent Model (CLARM)を提案する。
CLARMは、潜在空間表現をキャプチャしてデコードすることで、様々な加速器サンプリングモジュールでプロジェクションを生成することができる。
その結果,提案手法の予測能力と生成能力は,様々な評価指標と比較した場合に有望であることが示唆された。
論文 参考訳（メタデータ） (2024-03-19T22:05:17Z) - Synthetic location trajectory generation using categorical diffusion
models [50.809683239937584]
拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。
本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
論文 参考訳（メタデータ） (2024-02-19T15:57:39Z) - Generative Modeling with Phase Stochastic Bridges [49.4474628881673]
拡散モデル(DM)は、連続入力のための最先端の生成モデルを表す。
我々はtextbfphase space dynamics に基づく新しい生成モデリングフレームワークを提案する。
我々のフレームワークは、動的伝播の初期段階において、現実的なデータポイントを生成する能力を示す。
論文 参考訳（メタデータ） (2023-10-11T18:38:28Z) - Broadband Ground Motion Synthesis via Generative Adversarial Neural
Operators: Development and Validation [12.275587079383603]
まず,条件付きグラウンドモーション合成アルゴリズム(cGM-GANO)について述べる。
次に,南カリフォルニア地震センター・ブロードバンド・プラットフォーム(BBP)と記録されたKK-netデータによる地動シミュレーションについて,cGM-GANOを訓練する。
以上の結果から,cGM-GANOは対応するテクトニクス環境のトレーニングデータと一貫した中央値のスケーリングが可能であることが示唆された。
論文 参考訳（メタデータ） (2023-09-07T02:08:30Z) - Synthetic Wave-Geometric Impulse Responses for Improved Speech
Dereverberation [69.1351513309953]
室内インパルス応答 (RIR) の低周波成分を正確にシミュレートすることが, 良好な脱ヴァーベレーションを実現する上で重要であることを示す。
本研究では, ハイブリッド合成RIRで訓練された音声残響モデルが, 従来の幾何線トレーシング法により学習されたRIRで訓練されたモデルよりも優れていたことを示す。
論文 参考訳（メタデータ） (2022-12-10T20:15:23Z) - Probabilistic forecasting for geosteering in fluvial successions using a
generative adversarial network [0.0]
リアルタイムデータに基づく高速更新は、プレドリルモデルで高い不確実性を持つ複雑な貯水池での掘削に不可欠である。
本稿では, フラビアル継承の地質学的に一貫した2次元断面を再現するためのGAN(generative adversarial Deep Neural Network)を提案する。
この手法は不確実性を低減し, 掘削ビットより500m先にある主要な地質特性を正確に予測する。
論文 参考訳（メタデータ） (2022-07-04T12:52:38Z) - Conditioned Human Trajectory Prediction using Iterative Attention Blocks [70.36888514074022]
本研究では,都市環境における歩行者位置予測を目的とした,簡易かつ効果的な歩行者軌道予測モデルを提案する。
我々のモデルは、複数のアテンションブロックとトランスフォーマーを反復的に実行できるニューラルネットワークアーキテクチャである。
ソーシャルマスク, 動的モデル, ソーシャルプーリング層, 複雑なグラフのような構造を明示的に導入することなく, SoTAモデルと同等の結果が得られることを示す。
論文 参考訳（メタデータ） (2022-06-29T07:49:48Z) - A Spectral Energy Distance for Parallel Speech Synthesis [29.14723501889278]
音声合成は重要な実用的生成モデル問題である。
そこで本研究では,高度に並列な音声モデルの学習を可能にする学習手法を提案する。
論文 参考訳（メタデータ） (2020-08-03T19:56:04Z)
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。