論文の概要: Parameter Identification for Digital Fabrication: A Gaussian Process Learning Approach

• arxiv url: http://arxiv.org/abs/2012.11022v1
• Date: Sun, 20 Dec 2020 20:59:39 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-01 04:37:32.248759
• Title: Parameter Identification for Digital Fabrication: A Gaussian Process Learning Approach
• Title（参考訳）: デジタル製作のためのパラメータ同定:ガウス過程学習アプローチ
• Authors: Yvonne R. St\"urz, Mohammad Khosravi, Roy S. Smith
• Abstract要約: 張力のあるケーブルネットは軽量建築要素の支持構造として使用できる。 所望の目標形状からの張力のあるケーブルネット形状の偏差に対する耐性は非常に厳密である。 ケーブルネットシステムの重要な不確実なモデルパラメータの正確な同定が必要である。
• 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: Tensioned cable nets can be used as supporting structures for the efficient construction of lightweight building elements, such as thin concrete shell structures. To guarantee important mechanical properties of the latter, the tolerances on deviations of the tensioned cable net geometry from the desired target form are very tight. Therefore, the form needs to be readjusted on the construction site. In order to employ model-based optimization techniques, the precise identification of important uncertain model parameters of the cable net system is required. This paper proposes the use of Gaussian process regression to learn the function that maps the cable net geometry to the uncertain parameters. In contrast to previously proposed methods, this approach requires only a single form measurement for the identification of the cable net model parameters. This is beneficial since measurements of the cable net form on the construction site are very expensive. For the training of the Gaussian processes, simulated data is efficiently computed via convex programming. The effectiveness of the proposed method and the impact of the precise identification of the parameters on the form of the cable net are demonstrated in numerical experiments on a quarter-scale prototype of a roof structure.
• Abstract（参考訳）: 張力のあるケーブルネットは、薄いコンクリートシェル構造のような軽量建築要素の効率的な構築を支援する構造として使用できる。 後者の重要な機械的特性を保証するため, 張力のあるケーブルネット形状と目標形状とのずれに対する耐性は, 極めて密接である。 そのため、工事現場でフォームを調整する必要がある。 モデルに基づく最適化手法を採用するためには,ケーブルネットシステムの重要な不確実性パラメータの正確な同定が必要である。 本稿では,ガウス過程の回帰を用いて,ケーブル網形状を不確実なパラメータにマッピングする関数を学習する。 従来の提案手法とは対照的に,本手法ではケーブルネットモデルパラメータの同定に単一形状の計測しか必要としない。 建設現場のケーブルネット形状の計測は非常に高価であるため、これは有益である。 ガウス過程のトレーニングでは、シミュレーションされたデータは凸プログラミングによって効率的に計算される。 提案手法の有効性とパラメータの正確な同定がケーブルネットの形状に及ぼす影響を, 屋上構造物の4分の1の試作実験で実証した。

関連論文リスト

• SaRA: High-Efficient Diffusion Model Fine-tuning with Progressive Sparse Low-Rank Adaptation [52.6922833948127]
  本研究では,事前学習した拡散モデルにおけるパラメータの重要性について検討する。 本稿では,これらの非効率パラメータをフル活用するための新しいモデル微調整法を提案する。 本手法は,下流アプリケーションにおける事前学習モデルの生成能力を向上する。
  論文  参考訳（メタデータ） (2024-09-10T16:44:47Z)
• Free-form Grid Structure Form Finding based on Machine Learning and Multi-objective Optimisation [5.381203326687129]
  現在の自由形造形法は, 材料特性, 構造条件, 施工条件を十分に満たすことができない。 本稿では, 材料の特性と制約に則って, 複数の目的を考慮した自由形形態の合理性向上を図ることを目的とする。
  論文  参考訳（メタデータ） (2024-07-13T11:22:12Z)
• Leveraging SPD Matrices on Riemannian Manifolds in Quantum Classical Hybrid Models for Structural Health Monitoring [0.0]
  橋梁のリアルタイム有限要素モデリングは、構造的整合性に関する包括的な洞察を提供することにより、現代の構造的健康モニタリングシステムを支援する。 FEM計算コストとリアルタイム解析の必要性は大きな課題である。 本研究では,新しい量子古典多層パーセプトロンパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-06-06T13:21:28Z)
• Robustifying Generalizable Implicit Shape Networks with a Tunable Non-Parametric Model [10.316008740970037]
  無向点雲からの暗黙的形状再構成の一般化可能なモデルは一般化問題に悩まされる。 ここでは、これらの制限のいくつかをテスト時に緩和する効率的なメカニズムを提案する。 本稿では,本手法によるベースラインの改良と,合成データと実データを用いた最先端技術について述べる。
  論文  参考訳（メタデータ） (2023-11-21T20:12:29Z)
• Automatic Parameterization for Aerodynamic Shape Optimization via Deep Geometric Learning [60.69217130006758]
  空力形状最適化のための形状パラメータ化を完全に自動化する2つの深層学習モデルを提案する。 どちらのモデルも、深い幾何学的学習を通じてパラメータ化し、人間の事前知識を学習された幾何学的パターンに埋め込むように最適化されている。 2次元翼の形状最適化実験を行い、2つのモデルに適用可能なシナリオについて論じる。
  論文  参考訳（メタデータ） (2023-05-03T13:45:40Z)
• Approximate Bayesian Computation for Physical Inverse Modeling [0.32771631221674324]
  本稿では,モデルパラメータ抽出プロセスを自動化する手法を提案する。 その結果, 勾配木を用いた移動曲線から抽出したパラメータを正確に予測できることが示唆された。 この研究は、提案したフレームワークと微調整されたニューラルネットワークの比較分析も提供し、提案したフレームワークの性能が向上することが示されている。
  論文  参考訳（メタデータ） (2021-11-26T02:23:05Z)
• Data-driven Aerodynamic Analysis of Structures using Gaussian Processes [0.0]
  本稿では,橋梁に作用する非線形自励力のデータ駆動モデルを提案する。 このフレームワークは、CFD(Computational Fluid Dynamics)データに基づいて、合理化およびブラフブリッジデッキに適用される。 提案フレームワークのさらなる応用は,細線状構造物の設計とオンラインリアルタイム監視に期待できる。
  論文  参考訳（メタデータ） (2021-03-20T11:22:24Z)
• An AI-Assisted Design Method for Topology Optimization Without Pre-Optimized Training Data [68.8204255655161]
  トポロジ最適化に基づくAI支援設計手法を提示し、最適化された設計を直接的に得ることができる。 設計は、境界条件と入力データとしての充填度に基づいて、人工ニューラルネットワーク、予測器によって提供される。
  論文  参考訳（メタデータ） (2020-12-11T14:33:27Z)
• Deep Magnification-Flexible Upsampling over 3D Point Clouds [103.09504572409449]
  本稿では,高密度点雲を生成するためのエンドツーエンド学習ベースのフレームワークを提案する。 まずこの問題を明示的に定式化し、重みと高次近似誤差を判定する。 そこで我々は,高次改良とともに,統一重みとソート重みを適応的に学習する軽量ニューラルネットワークを設計する。
  論文  参考訳（メタデータ） (2020-11-25T14:00:18Z)
• Learning to predict metal deformations in hot-rolling processes [59.00006390882099]
  ホットローリング(Hot-rolling)は、入力から一連の変形を通じて断面を生成する金属成形プロセスである。 現状では、ロールの回転列と形状は、与えられた断面を達成するために必要である。 そこで本研究では,一組のロールが与えられた形状を予測するための教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2020-07-22T13:33:44Z)
• Holistically-Attracted Wireframe Parsing [123.58263152571952]
  本稿では,入力画像中のベクトル化ワイヤフレームを1つのフォワードパスで検出する高速で類似的な解析手法を提案する。 提案手法は, (i) ラインセグメントとジャンクション提案生成, (ii) ラインセグメントとジャンクションマッチング, (iii) ラインセグメントとジャンクション検証の3つのコンポーネントから構成される。
  論文  参考訳（メタデータ） (2020-03-03T17:43:57Z)

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。