Fugu-MT 論文翻訳(概要): Grey-box models for wave loading prediction

論文の概要: Grey-box models for wave loading prediction

arxiv url: http://arxiv.org/abs/2105.13813v1
Date: Mon, 10 May 2021 15:10:33 GMT
ステータス: 処理完了
システム内更新日: 2021-06-06 11:41:50.906248
Title: Grey-box models for wave loading prediction
Title（参考訳）: 波浪負荷予測のためのグレイボックスモデル
Authors: Daniel J Pitchforth, Timothy J Rogers, Ulf T Tygesen, Elizabeth J Cross
Abstract要約: 本稿では, 構造部材に作用する力の予測を改善するため, グレーボックスモデリング手法を開発した。グレーボックスモデルは、システムの振る舞いに関する物理的な洞察を維持しながら、データベースのモデリングの強化された予測能力を活用することを目的としている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The quantification of wave loading on offshore structures and components is a crucial element in the assessment of their useful remaining life. In many applications the well-known Morison's equation is employed to estimate the forcing from waves with assumed particle velocities and accelerations. This paper develops a grey-box modelling approach to improve the predictions of the force on structural members. A grey-box model intends to exploit the enhanced predictive capabilities of data-based modelling whilst retaining physical insight into the behaviour of the system; in the context of the work carried out here, this can be considered as physics-informed machine learning. There are a number of possible approaches to establish a grey-box model. This paper demonstrates two means of combining physics (white box) and data-based (black box) components; one where the model is a simple summation of the two components, the second where the white-box prediction is fed into the black box as an additional input. Here Morison's equation is used as the physics-based component in combination with a data-based Gaussian process NARX - a dynamic variant of the more well-known Gaussian process regression. Two key challenges with employing the GP-NARX formulation that are addressed here are the selection of appropriate lag terms and the proper treatment of uncertainty propagation within the dynamic GP. The best performing grey-box model, the residual modelling GP-NARX, was able to achieve a 29.13\% and 5.48\% relative reduction in NMSE over Morison's Equation and a black-box GP-NARX respectively, alongside significant benefits in extrapolative capabilities of the model, in circumstances of low dataset coverage.
Abstract（参考訳）: 沖合構造物および構成要素の波浪荷重の定量化は,その有効余命の評価において重要な要素である。多くの応用において、よく知られたモリソン方程式は、粒子速度と加速度を仮定した波からの強制を推定するために用いられる。本稿では,構造部材の力の予測を改善するため,グレーボックスモデリング手法を開発した。グレーボックスモデルは、システムの振る舞いに関する物理的な洞察を維持しながら、データベースのモデリングの強化された予測能力を活用することを目的としている。グレーボックスモデルを確立するための方法はいくつか考えられる。本稿では、物理(ホワイトボックス)とデータベース(ブラックボックス)を組み合わせる2つの方法を示す。1つは、モデルが2つのコンポーネントの単純な総和であり、もう1つは、ホワイトボックス予測が追加入力としてブラックボックスに供給される方法である。ここでモリソンの方程式は、よりよく知られたガウス過程回帰の動的変種であるデータベースのガウス過程 NARX と組み合わせて物理学ベースの成分として用いられる。ここで取り組まれるgp-narx定式化を用いる際の2つの重要な課題は、適切なラグ項の選択と動的gp内の不確実性伝播の適切な処理である。最高のグレーボックスモデルである残差モデルGP-NARXは、データセットのカバレッジが低い状況下で、モデルの外挿能力に大きな利点とともに、モリソン方程式とブラックボックスGP-NARXよりもNMSEの29.13\%と5.48\%の相対的な減少を達成することができた。

関連論文リスト

A Black-Box Physics-Informed Estimator based on Gaussian Process Regression for Robot Inverse Dynamics Identification [8.44397301862986]
本稿では,ロボットマニピュレータの逆ダイナミクスの同定を目的とした,ガウス過程(GP)回帰に基づくブラックボックスモデルを提案する。提案したモデルは、textitLagrangian Inspired Polynomial ( kernelInitials)カーネルと呼ばれる新しい多次元カーネルに依存している。 7 DOFのフランカ・エミカ・パンダ (Franka Emika Panda) と6 DOFのMELFA RV4FL (MELFA RV4FL) の2つの実際のロボットマニピュレータによるシミュレーションの結果は、提案モデルが最先端のブラックボックス推定器より優れていることを示している。
論文参考訳（メタデータ） (2023-10-10T12:52:42Z)
A Framework Based on Symbolic Regression Coupled with eXtended Physics-Informed Neural Networks for Gray-Box Learning of Equations of Motion from Data [0.0]
データから直接非線形方程式の未知の部分を明らかにするためのフレームワークとアルゴリズムを提案する。このフレームワークは、時空の領域分解であるeXtended Physics-Informed Neural Networks (X-PINN)に基づいている。
論文参考訳（メタデータ） (2023-05-18T04:46:49Z)
Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文参考訳（メタデータ） (2023-04-08T07:55:36Z)
Human Trajectory Prediction via Neural Social Physics [63.62824628085961]
軌道予測は多くの分野において広く研究され、多くのモデルベースおよびモデルフリーな手法が研究されている。ニューラル微分方程式モデルに基づく新しい手法を提案する。我々の新しいモデル(ニューラル社会物理学またはNSP)は、学習可能なパラメータを持つ明示的な物理モデルを使用するディープニューラルネットワークである。
論文参考訳（メタデータ） (2022-07-21T12:11:18Z)
Learning to Predict Graphs with Fused Gromov-Wasserstein Barycenters [2.169919643934826]
我々はこの問題をFGW損失(Fused Gromov-Wasserstein)を用いて回帰式として定式化する。本稿では,重みが入力に依存するFGWバリセンタに依存する予測モデルを提案する。
論文参考訳（メタデータ） (2022-02-08T12:15:39Z)
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)
When is gray-box modeling advantageous for virtual flow metering? [0.0]
仮想フロー計測アプリケーションにおける物理と機械学習の統合は、グレーボックスモデリングとして知られている。本稿では、グレーボックスモデルが物理モデルやデータ駆動モデルより優れていると期待されるシナリオについて考察する。
論文参考訳（メタデータ） (2021-10-11T07:01:48Z)
Hyperbolic Variational Graph Neural Network for Modeling Dynamic Graphs [77.33781731432163]
我々は,ノード表現の推論を目的とした双曲空間における動的グラフ表現を初めて学習する。本稿では,HVGNNと呼ばれる新しいハイパーボリック変動グラフネットワークを提案する。特に,動力学をモデル化するために,理論的に接地した時間符号化手法に基づく時間gnn(tgnn)を導入する。
論文参考訳（メタデータ） (2021-04-06T01:44:15Z)
Design of Dynamic Experiments for Black-Box Model Discrimination [72.2414939419588]
選択したいような動的モデル判別の設定を考えてみましょう。 (i) 最高のメカニスティックな時間変化モデルと (ii) 最高のモデルパラメータ推定値です。勾配情報にアクセス可能な競合する力学モデルに対しては、既存の手法を拡張し、より広い範囲の問題の不確実性を組み込む。これらのブラックボックスモデルをガウス過程サロゲートモデルに置き換えることで、モデル識別設定を拡張して、競合するブラックボックスモデルをさらに取り入れる。
論文参考訳（メタデータ） (2021-02-07T11:34:39Z)
A Differentiable Newton Euler Algorithm for Multi-body Model Learning [34.558299591341]
我々はニュートン・オイラー方程式を具現化した計算グラフアーキテクチャを動機付けている。本稿では、制約のない物理的プラウジブルダイナミクスを実現するために使用される仮想パラメータについて述べる。従来のホワイトボックスシステム同定手法で要求されるキネマティックパラメータは,データから正確に推定可能であることを示す。
論文参考訳（メタデータ） (2020-10-19T19:30:33Z)
Exponentially Weighted l_2 Regularization Strategy in Constructing Reinforced Second-order Fuzzy Rule-based Model [72.57056258027336]
従来の高木スゲノカン(TSK)型ファジィモデルでは、定数あるいは線形関数がファジィ規則の連続部分として使用されるのが普通である。調和解析で遭遇する重み関数理論にインスパイアされた指数重みアプローチを導入する。
論文参考訳（メタデータ） (2020-07-02T15:42:15Z)

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。