論文の概要: A Bayesian methodology for localising acoustic emission sources in
complex structures
- arxiv url: http://arxiv.org/abs/2012.11058v1
- Date: Mon, 21 Dec 2020 00:19:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-27 06:19:40.745618
- Title: A Bayesian methodology for localising acoustic emission sources in
complex structures
- Title（参考訳）: 複雑な構造における音響放射源の局在化のためのベイズ法
- Authors: Matthew R. Jones, Tim J. Rogers, Keith Worden, Elizabeth J. Cross
- Abstract要約: 損傷源の局所化への音響放射の獲得は、構造的健康モニタリングにおける一般的なアプローチとして現れている。
最近の進歩にもかかわらず、非自明な幾何学的特徴を含む複合材料や構造内の損傷を見つけるタスクはまだ重要な課題です。
本稿では,これらの複雑さに頑健なベイズ的ソースローカライゼーション戦略について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In the field of structural health monitoring (SHM), the acquisition of
acoustic emissions to localise damage sources has emerged as a popular
approach. Despite recent advances, the task of locating damage within composite
materials and structures that contain non-trivial geometrical features, still
poses a significant challenge. Within this paper, a Bayesian source
localisation strategy that is robust to these complexities is presented. Under
this new framework, a Gaussian process is first used to learn the relationship
between source locations and the corresponding difference-in-time-of-arrival
values for a number of sensor pairings. As an acoustic emission event with an
unknown origin is observed, a mapping is then generated that quantifies the
likelihood of the emission location across the surface of the structure. The
new probabilistic mapping offers multiple benefits, leading to a localisation
strategy that is more informative than deterministic predictions or
single-point estimates with an associated confidence bound. The performance of
the approach is investigated on a structure with numerous complex geometrical
features and demonstrates a favourable performance in comparison to other
similar localisation methods.
- Abstract（参考訳）: 構造的健康モニタリング(SHM)の分野では、損傷源をローカライズするための音響放射の取得が一般的なアプローチとして現れている。
近年の進歩にもかかわらず、非自明な幾何学的特徴を含む複合材料や構造物の損傷を突き止める作業は依然として大きな課題となっている。
本稿では,これらの複雑さに頑健なベイズ的ソースローカライゼーション戦略について述べる。
この新たな枠組みの下では、ガウス過程を用いて、複数のセンサペアのソース位置と対応する時間差値の関係を学習する。
未知の起源を持つ音響放射イベントが観測されると、構造の表面を横断する放射位置の可能性を定量化するマッピングが生成される。
新しい確率的マッピングは、複数の利点を提供し、決定論的予測や、関連する信頼境界を持つ単点推定よりも有益な局所化戦略をもたらす。
本手法は,多くの複雑な幾何学的特徴を持つ構造について検討し,他の類似の局所化法と比較して良好な性能を示す。
関連論文リスト
- On Neural Architecture Inductive Biases for Relational Tasks [76.18938462270503]
合成ネットワーク一般化(CoRelNet)と呼ばれる類似度分布スコアに基づく簡単なアーキテクチャを導入する。
単純なアーキテクチャの選択は、分布外一般化において既存のモデルより優れていることが分かる。
論文 参考訳（メタデータ） (2022-06-09T16:24:01Z) - A hybrid approach to seismic deblending: when physics meets
self-supervision [0.0]
自己教師型デノベーションネットワークをPlug-and-Playフレームワークに組み込んだ新しい概念を導入する。
部分的に相関する雑音に対する[28 ]の盲点ネットワークアーキテクチャを設計した新しいネットワークが導入された。
ネットワークは、教師付き時間アルゴリズムの各ステップでノイズの多い入力データに基づいて直接訓練される。
論文 参考訳（メタデータ） (2022-05-30T19:24:21Z) - Unknown Face Presentation Attack Detection via Localised Learning of
Multiple Kernels [15.000818334408802]
この論文は、未知のタイプの攻撃の要求シナリオにおいて、スプーフィング、つまりプレゼンテーションアタック検出(PAD)に直面している。
局所的なカーネル重みの集合に結合行列-ノルム制約を課すことにより、凸局所化多重カーネル学習アルゴリズムを定式化する。
論文 参考訳（メタデータ） (2022-04-22T12:43:25Z) - Region-Based Semantic Factorization in GANs [67.90498535507106]
本稿では,任意の画像領域についてGAN(Generative Adversarial Networks)が学習した潜在意味を分解するアルゴリズムを提案する。
適切に定義された一般化されたレイリー商を通して、アノテーションや訓練なしにそのような問題を解く。
様々な最先端のGANモデルに対する実験結果から,本手法の有効性が示された。
論文 参考訳（メタデータ） (2022-02-19T17:46:02Z) - Distributionally Robust Fair Principal Components via Geodesic Descents [16.440434996206623]
大学入学、医療、信用承認などのその後の領域では、学習予測の公正性や堅牢性といった新たな基準を考慮に入れることが不可欠である。
本稿では,主成分分析のための分布的ロバストな最適化問題を提案する。
実世界のデータセットに対する実験結果から,提案手法が最先端のベースラインに対して有益であることを示す。
論文 参考訳（メタデータ） (2022-02-07T11:08:13Z) - Inferring Manifolds From Noisy Data Using Gaussian Processes [15.54399517426726]
ほとんどの既存の多様体学習アルゴリズムは、元のデータを低次元座標で置き換える。
本稿では,これらの問題に対処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） (2021-10-14T15:50:38Z) - Triggering Failures: Out-Of-Distribution detection by learning from
local adversarial attacks in Semantic Segmentation [76.2621758731288]
セグメンテーションにおけるアウト・オブ・ディストリビューション(OOD)オブジェクトの検出に取り組む。
私たちの主な貢献は、ObsNetと呼ばれる新しいOOD検出アーキテクチャであり、ローカル・アタック(LAA)に基づく専用トレーニングスキームと関連付けられています。
3つの異なるデータセットの文献の最近の10つの手法と比較して,速度と精度の両面で最高の性能が得られることを示す。
論文 参考訳（メタデータ） (2021-08-03T17:09:56Z) - Robust and Interpretable Temporal Convolution Network for Event
Detection in Lung Sound Recordings [37.0780415938284]
肺音事象検出のための軽量で頑健で完全に解釈可能なフレームワークを提案する。
マルチブランチTCNアーキテクチャを使用し、これらのブランチから得られる特徴を組み合わせるために、新しい融合戦略を利用する。
異なる特徴融合戦略を解析した結果,提案手法は非表現的特徴の抑制に繋がることがわかった。
論文 参考訳（メタデータ） (2021-06-30T06:36:22Z) - PILOT: Introducing Transformers for Probabilistic Sound Event
Localization [107.78964411642401]
本稿では,受信したマルチチャンネル音声信号の時間的依存性を自己アテンション機構によってキャプチャする,トランスフォーマーに基づく新しい音声イベント定位フレームワークを提案する。
このフレームワークは, 公開されている3つの音声イベントローカライズデータセットを用いて評価し, 局所化誤差と事象検出精度の点で最先端の手法と比較した。
論文 参考訳（メタデータ） (2021-06-07T18:29:19Z) - A Unifying and Canonical Description of Measure-Preserving Diffusions [60.59592461429012]
ユークリッド空間における測度保存拡散の完全なレシピは、最近、いくつかのMCMCアルゴリズムを単一のフレームワークに統合した。
我々は、この構成を任意の多様体に改善し一般化する幾何学理論を開発する。
論文 参考訳（メタデータ） (2021-05-06T17:36:55Z) - Unveiling the Potential of Structure-Preserving for Weakly Supervised
Object Localization [71.79436685992128]
本稿では,WSOLの畳み込み機能に組み込まれた構造情報を完全に活用するための2段階構造保存アクティベーション(SPA)を提案する。
第1段階では、分類ネットワークによって引き起こされる構造ミス問題を軽減するために制限アクティベーションモジュール(ram)が設計されている。
第2段階では, 自己相関マップ生成(SCG)モジュールと呼ばれるプロセス後アプローチを提案し, 構造保存ローカライゼーションマップを得る。
論文 参考訳（メタデータ） (2021-03-08T03:04:14Z)
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。