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-supplementar y-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-supplementar y- Materialsにある。
- 全文 参考訳へのリンク
関連論文リスト
- Dynamic Bayesian Network Auxiliary ABC-SMC for Hybrid Model Bayesian
Inference to Accelerate Biomanufacturing Process Mechanism Learning and
Robust Control [2.727760379582405]
本稿では,バイオプロセッシング機構の複雑な因果関係を特徴付ける知識グラフハイブリッドモデルを提案する。
非線形反応、部分的に観察された状態、非定常力学を含む重要な性質を忠実に捉えることができる。
我々は、メカニズム学習を容易にし、ロバストなプロセス制御を支援する後部分布モデルの不確かさを導出する。
論文 参考訳(メタデータ) (2022-05-05T02:54:21Z) - Design of Compressed Sensing Systems via Density-Evolution Framework for
Structure Recovery in Graphical Models [10.667885727418705]
観測データからベイズネットワークの構造を学習することはNP-Hard問題であることが示されている。
圧縮線形測定システムを最適化するための新しい密度進化に基づくフレームワークを提案する。
GBNの構造は実際に圧縮された測定結果から復元可能であることを示す。
論文 参考訳(メタデータ) (2022-03-17T22:16:38Z) - Integrating Statistical Uncertainty into Neural Network-Based Speech
Enhancement [27.868722093985006]
ニューラルネットワークに基づく音声強調における不確実性モデリングの利点について検討する。
点推定の代わりに分布を推定することにより、各推定に関連付けられた不確実性をモデル化することができる。
論文 参考訳(メタデータ) (2022-03-04T12:55:46Z) - 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) - Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。
一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
論文 参考訳(メタデータ) (2022-02-23T06:11:49Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳(メタデータ) (2021-11-15T09:08:27Z) - Optimal policy evaluation using kernel-based temporal difference methods [78.83926562536791]
カーネルヒルベルト空間を用いて、無限水平割引マルコフ報酬過程の値関数を推定する。
我々は、関連するカーネル演算子の固有値に明示的に依存した誤差の非漸近上界を導出する。
MRP のサブクラスに対する minimax の下位境界を証明する。
論文 参考訳(メタデータ) (2021-09-24T14:48:20Z) - Nonparametric posterior learning for emission tomography with multimodal
data [1.6500749121196991]
我々は,最近提案された非パラメトリック後方学習手法を,エミッショントモグラフィーにおけるポアソン型データの文脈に適用した。
我々は,並列化が容易で,拡張性があり,実装が容易なサンプリングアルゴリズムを導出する。
我々は, マルコフ連鎖の混合時間を大幅に増大させることを理論的, 数値的に示す。
論文 参考訳(メタデータ) (2021-07-29T12:43:02Z) - Entropy Minimizing Matrix Factorization [102.26446204624885]
NMF(Nonnegative Matrix Factorization)は、広く使用されているデータ分析技術であり、多くの実際のタスクで印象的な結果をもたらしました。
本研究では,上述の問題に対処するために,EMMF (Entropy Minimizing Matrix Factorization framework) を開発した。
通常、外れ値が通常のサンプルよりもはるかに小さいことを考えると、行列分解のために新しいエントロピー損失関数が確立される。
論文 参考訳(メタデータ) (2021-03-24T21:08:43Z) - Estimating Average Treatment Effects with Support Vector Machines [77.34726150561087]
サポートベクターマシン(SVM)は、機械学習文献で最も人気のある分類アルゴリズムの1つです。
我々はsvmをカーネルベースの重み付け手順として適用し,治療群と制御群の最大平均差を最小化する。
このトレードオフから生じる因果効果推定のバイアスを特徴づけ、提案されたSVM手順と既存のカーネルバランシング手法を結びつけます。
論文 参考訳(メタデータ) (2021-02-23T20:22:56Z) - 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)
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。