論文の概要: Probabilistic modeling of discrete structural response with application
to composite plate penetration models
- arxiv url: http://arxiv.org/abs/2011.11780v1
- Date: Mon, 23 Nov 2020 22:45:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-22 02:55:25.284816
- Title: Probabilistic modeling of discrete structural response with application
to composite plate penetration models
- Title（参考訳）: 離散構造応答の確率論的モデリングと複合板浸透モデルへの応用
- Authors: Anindya Bhaduri, Christopher S. Meyer, John W. Gillespie Jr., Bazle Z.
Haque, Michael D. Shields, Lori Graham-Brady
- Abstract要約: 本稿では,S-2ガラス/SC-15エポキシ複合板の弾道衝撃下での確率的浸透応答生成のための計算フレームワークの開発について述べる。
適応的なドメインベース分解・分類法とスパースグリッドサンプリングを併用して、そのような離散出力に対する効率的な分類代理モデリングアルゴリズムを開発する。
- 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: Discrete response of structures is often a key probabilistic quantity of
interest. For example, one may need to identify the probability of a binary
event, such as, whether a structure has buckled or not. In this study, an
adaptive domain-based decomposition and classification method, combined with
sparse grid sampling, is used to develop an efficient classification surrogate
modeling algorithm for such discrete outputs. An assumption of monotonic
behaviour of the output with respect to all model parameters, based on the
physics of the problem, helps to reduce the number of model evaluations and
makes the algorithm more efficient. As an application problem, this paper deals
with the development of a computational framework for generation of
probabilistic penetration response of S-2 glass/SC-15 epoxy composite plates
under ballistic impact. This enables the computationally feasible generation of
the probabilistic velocity response (PVR) curve or the $V_0-V_{100}$ curve as a
function of the impact velocity, and the ballistic limit velocity prediction as
a function of the model parameters. The PVR curve incorporates the variability
of the model input parameters and describes the probability of penetration of
the plate as a function of impact velocity.
- Abstract（参考訳）: 構造物の離散応答は、しばしば重要な確率的関心量である。
例えば、ある構造が崩壊したかどうかなど、バイナリイベントの確率を特定する必要がある。
本研究では、分散グリッドサンプリングと組み合わせた適応型ドメインベース分解・分類法を用いて、そのような離散出力に対する効率的な分類サロゲートモデリングアルゴリズムを開発した。
全てのモデルパラメータに対する出力の単調な振る舞いの仮定は、問題の物理に基づいて、モデル評価の数を減らし、アルゴリズムをより効率的にするのに役立つ。
本稿では, s-2ガラス/sc-15エポキシ複合板の弾道衝撃を受ける確率的浸透応答を生成するための計算フレームワークの開発について述べる。
これにより、衝突速度の関数としての確率的速度応答(pvr)曲線または$v_0-v_{100}$曲線の計算可能生成と、モデルパラメータの関数としての弾道限界速度予測が可能になる。
PVR曲線は、モデル入力パラメータの可変性を取り入れ、衝突速度の関数としてプレートの浸透確率を記述する。
関連論文リスト
- Nonparametric estimation of Hawkes processes with RKHSs [1.775610745277615]
本稿では、再生カーネル空間(RKHS)に相互作用関数が存在すると仮定した非線形ホークス過程の非パラメトリック推定について述べる。
神経科学の応用によって動機づけられたこのモデルは、エキサイティングな効果と阻害的な効果を表現するために、複雑な相互作用機能を実現する。
本手法は, 関連する非パラメトリック推定手法よりも優れた性能を示し, 神経応用に適していることが示唆された。
論文 参考訳（メタデータ） (2024-11-01T14:26:50Z) - Estimating Causal Effects from Learned Causal Networks [56.14597641617531]
本稿では、離散可観測変数に対する因果影響クエリに応答する代替パラダイムを提案する。
観測データから直接因果ベイズネットワークとその共起潜伏変数を学習する。
本手法は, 推定手法よりも有効であることを示す。
論文 参考訳（メタデータ） (2024-08-26T08:39:09Z) - Maximum a Posteriori Estimation for Linear Structural Dynamics Models Using Bayesian Optimization with Rational Polynomial Chaos Expansions [0.01578888899297715]
本稿では,MAP推定のための既存のスパースベイズ学習手法の拡張を提案する。
ベイズ最適化手法を導入し,実験設計を適応的に強化する。
疎性誘導学習と実験設計を組み合わせることで,モデル評価の回数を効果的に削減する。
論文 参考訳（メタデータ） (2024-08-07T06:11:37Z) - Efficient modeling of sub-kilometer surface wind with Gaussian processes and neural networks [0.0]
風は、その空間的および時間的変動が高いため、モデルにとって特に困難な変数である。
本稿では,ガウス過程とニューラルネットワークを統合した表面風洞をサブキロメートル分解能でモデル化する手法を提案する。
論文 参考訳（メタデータ） (2024-05-21T09:07:47Z) - Stochastic stiffness identification and response estimation of
Timoshenko beams via physics-informed Gaussian processes [0.0]
本稿では,ティモシェンコビーム素子に対する物理インフォームドガウス過程(GP)モデルを提案する。
提案手法は, 構造パラメータの同定に有効であり, 異種・多要素センサからのデータを融合することができる。
論文 参考訳（メタデータ） (2023-09-21T08:22:12Z) - A probabilistic, data-driven closure model for RANS simulations with aleatoric, model uncertainty [1.8416014644193066]
本稿では,レノルズ平均Navier-Stokes (RANS) シミュレーションのためのデータ駆動閉包モデルを提案する。
パラメトリック閉包が不十分な問題領域内の領域を特定するために,完全ベイズ的定式化と余剰誘導先行法を組み合わせて提案する。
論文 参考訳（メタデータ） (2023-07-05T16:53:31Z) - 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) - Adaptive LASSO estimation for functional hidden dynamic geostatistical
model [69.10717733870575]
関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。
このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
論文 参考訳（メタデータ） (2022-08-10T19:17:45Z) - Estimation of Bivariate Structural Causal Models by Variational Gaussian
Process Regression Under Likelihoods Parametrised by Normalising Flows [74.85071867225533]
因果機構は構造因果モデルによって記述できる。
最先端の人工知能の大きな欠点の1つは、説明責任の欠如である。
論文 参考訳（メタデータ） (2021-09-06T14:52:58Z) - Multivariate Probabilistic Regression with Natural Gradient Boosting [63.58097881421937]
多変量予測分布の条件パラメータを非パラメトリックにモデル化したNatural Gradient Boosting (NGBoost) 手法を提案する。
提案手法は頑健で, 広範囲なチューニングを伴わず, 推定対象分布に対してモジュール構造であり, 既存の手法と比較して競争力がある。
論文 参考訳（メタデータ） (2021-06-07T17:44:49Z) - Probabilistic Circuits for Variational Inference in Discrete Graphical
Models [101.28528515775842]
変分法による離散的グラフィカルモデルの推論は困難である。
エビデンス・ロウアーバウンド(ELBO)を推定するためのサンプリングに基づく多くの手法が提案されている。
Sum Product Networks (SPN) のような確率的回路モデルのトラクタビリティを活用する新しい手法を提案する。
選択的SPNが表現的変動分布として適していることを示し、対象モデルの対数密度が重み付けされた場合、対応するELBOを解析的に計算可能であることを示す。
論文 参考訳（メタデータ） (2020-10-22T05:04:38Z)
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。