論文の概要: Evaluating uncertainties in electrochemical impedance spectra of solid oxide fuel cells

• arxiv url: http://arxiv.org/abs/2101.08049v1
• Date: Wed, 20 Jan 2021 10:07:32 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-22 07:05:32.873832
• Title: Evaluating uncertainties in electrochemical impedance spectra of solid oxide fuel cells
• Title（参考訳）: 固体酸化物燃料電池の電気化学的インピーダンススペクトルの不確かさの評価
• Authors: Luka \v{Z}nidari\v{c}, Gjorgji Nusev, Bertrand Morel, Julie Mougin, {\DJ}ani Juri\v{c}i\'c and Pavle Bo\v{s}koski
• Abstract要約: 変動ベイズ(VB)による回路モデルパラメータの不確実性の定量化 MCMCアルゴリズムは、正確な後方分布を返すことが期待される。 VBアプローチは近似を生成します。これはやや楽観的ですが、まだより現実的なMCMC推定にかなり近いです。
• 参考スコア（独自算出の注目度）: 30.360808551072104
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electrochemical impedance spectra is a widely used tool for characterization of fuel cells and electrochemical conversion systems in general. When applied to the on-line monitoring in context of in-field applications, the disturbances, drifts and sensor noise may cause severe distortions in the evaluated spectra, especially in the low-frequency part. Failure to account for the random effects can implicate difficulties in interpreting the spectra and misleading diagnostic reasoning. In the literature, this fact has been largely ignored. In this paper, we propose a computationally efficient approach to the quantification of the spectral uncertainty by quantifying the uncertainty of the equivalent circuit model (ECM) parameters by means of the Variational Bayes (VB) approach. To assess the quality of the VB posterior estimates, we compare the results of VB approach with those obtained with the Markov Chain Monte Carlo (MCMC) algorithm. Namely, MCMC algorithm is expected to return accurate posterior distributions, while VB approach provides the approximative distributions. By using simulated and real data we show that VB approach generates approximations, which although slightly over-optimistic, are still pretty close to the more realistic MCMC estimates. A great advantage of the VB method for online monitoring is low computational load, which is several orders of magnitude lighter than that of MCMC. The performance of VB algorithm is demonstrated on a case of ECM parameters estimation in a 6 cell solid-oxide fuel cell stack. The complete numerical implementation for recreating the results can be found at https://repo.ijs.si/lznidaric/variational-bayes-supplementary-material.
• Abstract（参考訳）: 電気化学インピーダンススペクトルは、燃料電池や電気化学変換システムの特性評価に広く用いられている。 フィールド内応用におけるオンラインモニタリングに応用した場合、外乱、ドリフト、センサノイズは評価スペクトル、特に低周波部分において深刻な歪みを引き起こす可能性がある。 ランダムな効果を考慮できないことは、スペクトルの解釈と誤解を招く診断推論の難しさを意味する。 文献では、この事実はほとんど無視されている。 本稿では,等価回路モデル(ecm)パラメータの不確かさを変分ベイズ(vb)法を用いて定量化することにより,スペクトル不確かさを定量化する計算効率の高い手法を提案する。 VB後部推定値の品質を評価するために,マルコフ連鎖モンテカルロ(MCMC)アルゴリズムを用いて得られた値と比較した。 すなわち、MCMCアルゴリズムは正確な後続分布を返すことが期待され、VBアプローチは近似分布を提供する。 シミュレーションと実データを使用することで、vbアプローチが近似を生成することが分かる。 オンラインモニタリングにおけるVB法の大きな利点は計算負荷が低く、MCMCよりも数桁軽くなることである。 VBアルゴリズムの性能は6セル固体酸化物燃料電池スタックにおけるECMパラメータ推定のケースで実証される。 結果を再現するための完全な数値的な実装は、https://repo.ijs.si/lznidaric/variational-bayes-supplementary- Materialsにある。

関連論文リスト

• Physics-Driven AI Correction in Laser Absorption Sensing Quantification [2.403858349180771]
  レーザー吸収分光法(LAS)の定量化は、気体の温度と濃度を測定するのによく用いられるツールである。 現在のMLベースのソリューションは、その測定信頼性を保証することはできない。 この問題に対処するための新しいフレームワークSPECを提案する。
  論文  参考訳（メタデータ） (2024-08-20T10:29:41Z)
• Online Variational Sequential Monte Carlo [49.97673761305336]
  我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。 オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
  論文  参考訳（メタデータ） (2023-12-19T21:45:38Z)
• Multi-kernel Correntropy-based Orientation Estimation of IMUs: Gradient Descent Methods [3.8286082196845466]
  コレントロピーに基づく降下勾配(CGD)とコレントロピーに基づく非結合配向推定(CDOE) 従来の方法は平均二乗誤差(MSE)基準に依存しており、外部加速度や磁気干渉に弱い。 新しいアルゴリズムは、カルマンフィルタベースのアプローチよりも計算の複雑さが著しく低いことを示している。
  論文  参考訳（メタデータ） (2023-04-13T13:57:33Z)
• Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
  不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。 特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
  論文  参考訳（メタデータ） (2023-02-13T19:57:17Z)
• Monte Carlo Neural PDE Solver for Learning PDEs via Probabilistic Representation [59.45669299295436]
  教師なしニューラルソルバのトレーニングのためのモンテカルロPDEソルバを提案する。 我々は、マクロ現象をランダム粒子のアンサンブルとみなすPDEの確率的表現を用いる。 対流拡散, アレン・カーン, ナヴィエ・ストークス方程式に関する実験により, 精度と効率が著しく向上した。
  論文  参考訳（メタデータ） (2023-02-10T08:05:19Z)
• Machine Learning Benchmarks for the Classification of Equivalent Circuit Models from Electrochemical Impedance Spectra [0.0]
  本稿では,BatteryDEVハッカソン用にQuantumScapeが提供する9,300のインピーダンススペクトルを分類する機械学習手法を紹介する。 重要な課題はラベルの識別可能性であり、モデル性能と誤分類スペクトルの比較によって下線化されている。
  論文  参考訳（メタデータ） (2023-02-07T10:08:35Z)
• Cyclical Variational Bayes Monte Carlo for Efficient Multi-Modal Posterior Distributions Evaluation [0.0]
  変分推論は、後方近似を推定するためのサンプリング方法の代替手法である。 変分ベイジアンモンテカルロ法 (VBMC) は, 統計モデル更新問題に対処する目的で検討されている。
  論文  参考訳（メタデータ） (2022-02-23T17:31:42Z)
• Learning to Estimate Without Bias [57.82628598276623]
  ガウスの定理は、重み付き最小二乗推定器は線形モデルにおける線形最小分散アンバイアスド推定(MVUE)であると述べている。 本稿では、バイアス制約のあるディープラーニングを用いて、この結果を非線形設定に拡張する第一歩を踏み出す。 BCEの第二の動機は、同じ未知の複数の推定値が平均化されてパフォーマンスが向上するアプリケーションにおいてである。
  論文  参考訳（メタデータ） (2021-10-24T10:23:51Z)
• Bayesian Uncertainty Estimation of Learned Variational MRI Reconstruction [63.202627467245584]
  我々は,モデル不連続な不確かさを定量化するベイズ変分フレームワークを提案する。 提案手法はMRIのアンダーサンプを用いた再建術の術後成績を示す。
  論文  参考訳（メタデータ） (2021-02-12T18:08:14Z)
• Fast Bayesian Estimation of Spatial Count Data Models [0.0]
  シミュレーション問題ではなく最適化問題として変分ベイズ(VB)を導入する。 VB法は、観測されていないパラメータと空間依存性を持つ負二項モデルにおける後部推論のために導出される。 VBアプローチは、シミュレーションと経験的研究において、通常の8コアプロセッサ上でのMCMCの約45倍から50倍高速である。
  論文  参考訳（メタデータ） (2020-07-07T10:24:45Z)
• Scalable quantum processor noise characterization [57.57666052437813]
  累積展開に基づく多ビットデバイスに対する近似的MCMを構築するためのスケーラブルな方法を提案する。 また,本手法は,様々な種類の相関誤差を特徴付けるためにも利用できる。
  論文  参考訳（メタデータ） (2020-06-02T17:39:42Z)

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。