論文の概要: Rare event estimation using stochastic spectral embedding
- arxiv url: http://arxiv.org/abs/2106.05824v1
- Date: Wed, 9 Jun 2021 16:10:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-11 14:28:01.857156
- Title: Rare event estimation using stochastic spectral embedding
- Title(参考訳): 確率スペクトル埋め込みを用いた希少事象推定
- Authors: P.-R. Wagner, S. Marelli, I. Papaioannou, D. Straub, B. Sudret
- Abstract要約: まれな障害事象の確率を推定することは、エンジニアリングシステムの信頼性評価において重要なステップである。
稀な事象推定問題を効率的に解くためにアルゴリズムを調整した一連の修正を提案する。
- 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: Estimating the probability of rare failure events is an essential step in the
reliability assessment of engineering systems. Computing this failure
probability for complex non-linear systems is challenging, and has recently
spurred the development of active-learning reliability methods. These methods
approximate the limit-state function (LSF) using surrogate models trained with
a sequentially enriched set of model evaluations. A recently proposed method
called stochastic spectral embedding (SSE) aims to improve the local
approximation accuracy of global, spectral surrogate modelling techniques by
sequentially embedding local residual expansions in subdomains of the input
space. In this work we apply SSE to the LSF, giving rise to a stochastic
spectral embedding-based reliability (SSER) method. The resulting partition of
the input space decomposes the failure probability into a set of
easy-to-compute domain-wise failure probabilities. We propose a set of
modifications that tailor the algorithm to efficiently solve rare event
estimation problems. These modifications include specialized refinement domain
selection, partitioning and enrichment strategies. We showcase the algorithm
performance on four benchmark problems of various dimensionality and complexity
in the LSF.
- Abstract(参考訳): まれな障害の発生確率を推定することは、エンジニアリングシステムの信頼性評価において不可欠なステップである。
複雑な非線形システムに対するこの障害確率の計算は困難であり、最近アクティブラーニング信頼性手法の開発が進められている。
これらの手法は、逐次強化されたモデル評価のセットで訓練されたサロゲートモデルを用いて極限状態関数(lsf)を近似する。
確率スペクトル埋め込み(SSE)と呼ばれる最近提案された手法は、入力空間のサブドメインに局所的残留展開を逐次埋め込むことにより、グローバルスペクトル代理モデリング技術の局所近似精度を向上させることを目的としている。
本研究では,SSE を LSF に適用し,確率スペクトル埋め込み型信頼性 (SSER) 法を導出する。
入力空間の結果として生じる分割は、障害確率を計算し易い領域の障害確率の集合に分解する。
稀な事象推定問題を効率的に解くためにアルゴリズムを調整した一連の修正を提案する。
これらの変更には、特別な洗練されたドメインの選択、分割、強化戦略が含まれる。
LSFにおける様々な次元と複雑さの4つのベンチマーク問題に対して,アルゴリズムの性能を示す。
関連論文リスト
- Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field
and Online Inference [50.91823345296243]
我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。
EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。
得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
論文 参考訳(メタデータ) (2023-12-10T15:22:30Z) - Towards stable real-world equation discovery with assessing
differentiating quality influence [52.2980614912553]
一般的に用いられる有限差分法に代わる方法を提案する。
我々は,これらの手法を実問題と類似した問題に適用可能であること,および方程式発見アルゴリズムの収束性を確保する能力の観点から評価する。
論文 参考訳(メタデータ) (2023-11-09T23:32:06Z) - Distributionally Robust Model-based Reinforcement Learning with Large
State Spaces [55.14361269378122]
強化学習における3つの大きな課題は、大きな状態空間を持つ複雑な力学系、コストのかかるデータ取得プロセス、トレーニング環境の展開から現実の力学を逸脱させることである。
広範に用いられているKullback-Leibler, chi-square, および全変分不確実性集合の下で, 連続状態空間を持つ分布ロバストなマルコフ決定過程について検討した。
本稿では,ガウス過程と最大分散削減アルゴリズムを用いて,多出力名目遷移力学を効率的に学習するモデルベースアプローチを提案する。
論文 参考訳(メタデータ) (2023-09-05T13:42:11Z) - A robust method for reliability updating with equality information using
sequential adaptive importance sampling [8.254850675268957]
信頼性更新(Reliability update)とは、ベイジアン更新技術と構造的信頼性解析を統合した問題である。
本稿では,逐次重要サンプリングとK平均クラスタリングを組み合わせたRU-SAISという革新的な手法を提案する。
その結果, RU-SAISは既存手法よりも精度が高く, 堅牢な後方故障確率推定が可能であることが示唆された。
論文 参考訳(メタデータ) (2023-03-08T12:55:40Z) - Fully Stochastic Trust-Region Sequential Quadratic Programming for
Equality-Constrained Optimization Problems [62.83783246648714]
目的と決定論的等式制約による非線形最適化問題を解くために,逐次2次プログラミングアルゴリズム(TR-StoSQP)を提案する。
アルゴリズムは信頼領域半径を適応的に選択し、既存の直線探索StoSQP方式と比較して不確定なヘッセン行列を利用することができる。
論文 参考訳(メタデータ) (2022-11-29T05:52:17Z) - A Deep Reinforcement Learning Approach to Rare Event Estimation [30.670114229970526]
自律システムの設計における重要なステップは、失敗が起こる確率を評価することである。
安全クリティカルな領域では、モンテカルロサンプリングによる政策の評価が非効率であるように、失敗確率は非常に小さい。
逐次意思決定システムにおいて、稀な事象の確率を効率的に推定できる2つの適応的重要度サンプリングアルゴリズムを開発した。
論文 参考訳(メタデータ) (2022-11-22T18:29:14Z) - Numerically Stable Sparse Gaussian Processes via Minimum Separation
using Cover Trees [57.67528738886731]
誘導点に基づくスケーラブルスパース近似の数値安定性について検討する。
地理空間モデリングなどの低次元タスクに対しては,これらの条件を満たす点を自動計算する手法を提案する。
論文 参考訳(メタデータ) (2022-10-14T15:20:17Z) - Reliability analysis of discrete-state performance functions via
adaptive sequential sampling with detection of failure surfaces [0.0]
本稿では,レアイベント確率推定のための新しい効率的でロバストな手法を提案する。
この手法は、複数の障害タイプの確率を推定することができる。
この情報に対応して、推定確率の精度を高めることができる。
論文 参考訳(メタデータ) (2022-08-04T05:59:25Z) - Entropy-based adaptive design for contour finding and estimating
reliability [0.24466725954625884]
信頼性解析において、故障確率を推定するために用いられる手法は、しばしばモデル評価に関連するコストによって制限される。
本稿では,MFISと組み合わせることで,より正確な故障確率推定を行うエントロピーに基づくGP適応設計を提案する。
ベンチマークデータに加え、NASA(NASA)宇宙服の衝撃損傷シミュレーターへの応用例も紹介されている。
論文 参考訳(メタデータ) (2021-05-24T15:41:15Z) - Variance based sensitivity analysis for Monte Carlo and importance
sampling reliability assessment with Gaussian processes [0.0]
本稿では,2つの不確実性源に対する故障推定器の感度を定量的に評価する手法を提案する。
この分析により、故障確率推定に関連する全誤差を制御でき、推定の精度基準を提供する。
本手法は, モンテカルロ法と重要サンプリング法の両方で提案され, 希少事象確率の推定を改善することを目的としている。
論文 参考訳(メタデータ) (2020-11-30T17:06:28Z) - Learning while Respecting Privacy and Robustness to Distributional
Uncertainties and Adversarial Data [66.78671826743884]
分散ロバストな最適化フレームワークはパラメトリックモデルのトレーニングのために検討されている。
目的は、逆操作された入力データに対して頑健なトレーニングモデルを提供することである。
提案されたアルゴリズムは、オーバーヘッドがほとんどない堅牢性を提供する。
論文 参考訳(メタデータ) (2020-07-07T18:25:25Z)
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。