論文の概要: Surrogate-Assisted Evolutionary Generative Design Of Breakwaters Using
Deep Convolutional Networks
- arxiv url: http://arxiv.org/abs/2204.03400v1
- Date: Thu, 7 Apr 2022 12:37:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-17 23:55:57.762766
- Title: Surrogate-Assisted Evolutionary Generative Design Of Breakwaters Using
Deep Convolutional Networks
- Title(参考訳): 深部畳み込みネットワークを用いたサロゲート型防波堤の進化的生成設計
- Authors: Nikita O. Starodubcev, Nikolay O. Nikitin, Anna V. Kalyuzhnaya
- Abstract要約: そこで本研究では,沿岸域の高速かつ効果的な生成設計のための多目的進化的サロゲート支援手法を提案する。
計算コストのかかる目的関数を近似するために、深部畳み込みニューラルネットワークが代理モデルとして使用される。
実験結果から,提案手法により,非代理手法よりも効率的な(より優れた保護特性を持つコストの低い)ソリューションを同時に得られることが確認された。
- 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: In the paper, a multi-objective evolutionary surrogate-assisted approach for
the fast and effective generative design of coastal breakwaters is proposed. To
approximate the computationally expensive objective functions, the deep
convolutional neural network is used as a surrogate model. This model allows
optimizing a configuration of breakwaters with a different number of structures
and segments. In addition to the surrogate, an assistant model was developed to
estimate the confidence of predictions. The proposed approach was tested on the
synthetic water area, the SWAN model was used to calculate the wave heights.
The experimental results confirm that the proposed approach allows obtaining
more effective (less expensive with better protective properties) solutions
than non-surrogate approaches for the same time.
- Abstract(参考訳): 本稿では,海岸防波堤の高速かつ効果的な生成設計のための多目的進化サロゲート支援手法を提案する。
計算コストのかかる目的関数を近似するために、深部畳み込みニューラルネットワークが代理モデルとして使用される。
このモデルは、異なる数の構造とセグメントでブレイクウォーターの構成を最適化することができる。
シュロゲートに加えて,予測の信頼性を推定する補助モデルが開発された。
提案手法は合成水域で実験し, SWANモデルを用いて波高を算出した。
実験の結果,提案手法により,非代理手法よりも効率的な(より優れた保護特性を持つ)ソリューションを同時に得られることを確認した。
関連論文リスト
- Edge-Efficient Deep Learning Models for Automatic Modulation Classification: A Performance Analysis [0.7428236410246183]
無線信号の自動変調分類(AMC)のための最適化畳み込みニューラルネットワーク(CNN)について検討した。
本稿では,これらの手法を組み合わせて最適化モデルを提案する。
実験結果から,提案手法と組み合わせ最適化手法は,複雑度が著しく低いモデルの開発に極めて有効であることが示唆された。
論文 参考訳(メタデータ) (2024-04-11T06:08:23Z) - Diffusion Model for Data-Driven Black-Box Optimization [54.25693582870226]
我々は、強力な生成AI技術である拡散モデルに注目し、ブラックボックス最適化の可能性について検討する。
本研究では,1)実数値報酬関数のノイズ測定と,2)対比較に基づく人間の嗜好の2種類のラベルについて検討する。
提案手法は,設計最適化問題を条件付きサンプリング問題に再構成し,拡散モデルのパワーを有効活用する。
論文 参考訳(メタデータ) (2024-03-20T00:41:12Z) - Improving Transferability of Adversarial Examples via Bayesian Attacks [84.90830931076901]
モデル入力にベイズ定式化を組み込むことにより,モデル入力とモデルパラメータの共分散を可能にする新しい拡張を導入する。
提案手法は,トランスファーベース攻撃に対する新たな最先端技術を実現し,ImageNetとCIFAR-10の平均成功率をそれぞれ19.14%,2.08%向上させる。
論文 参考訳(メタデータ) (2023-07-21T03:43:07Z) - Variational Sequential Optimal Experimental Design using Reinforcement
Learning [0.0]
ベイジアン・フレームワークと情報ゲイン・ユーティリティを用いた有限列実験を最適に設計する新しい手法である変分逐次最適実験設計(vsOED)を導入する。
以上の結果から,従来の逐次設計アルゴリズムと比較して,サンプル効率が大幅に向上し,前方モデルシミュレーションの数が減少したことが示唆された。
論文 参考訳(メタデータ) (2023-06-17T21:47:19Z) - Protein Design with Guided Discrete Diffusion [67.06148688398677]
タンパク質設計における一般的なアプローチは、生成モデルと条件付きサンプリングのための識別モデルを組み合わせることである。
離散拡散モデルのためのガイダンス手法であるdiffusioN Optimized Smpling (NOS)を提案する。
NOSは、構造に基づく手法の重要な制限を回避し、シーケンス空間で直接設計を行うことができる。
論文 参考訳(メタデータ) (2023-05-31T16:31:24Z) - Design Amortization for Bayesian Optimal Experimental Design [70.13948372218849]
予測情報ゲイン(EIG)のバウンダリに関してパラメータ化された変分モデルを最適化する。
実験者が1つの変分モデルを最適化し、潜在的に無限に多くの設計に対してEIGを推定できる新しいニューラルアーキテクチャを提案する。
論文 参考訳(メタデータ) (2022-10-07T02:12:34Z) - Deep-Ensemble-Based Uncertainty Quantification in Spatiotemporal Graph
Neural Networks for Traffic Forecasting [2.088376060651494]
本稿では,短期交通予測のための最先端手法である拡散畳み込みリカレントニューラルネットワーク(DCRNN)に注目した。
我々はDCRNNの不確実性を定量化するスケーラブルなディープアンサンブル手法を開発した。
我々の汎用的かつスケーラブルなアプローチは、現在最先端のベイズ的手法や、多くの一般的な頻繁な手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2022-04-04T16:10:55Z) - Deep Variational Models for Collaborative Filtering-based Recommender
Systems [63.995130144110156]
ディープラーニングは、リコメンダシステムの結果を改善するために、正確な協調フィルタリングモデルを提供する。
提案するモデルは, 深層建築の潜伏空間において, 変分概念を注入性に適用する。
提案手法は, 入射雑音効果を超える変動エンリッチメントのシナリオにおいて, 提案手法の優位性を示す。
論文 参考訳(メタデータ) (2021-07-27T08:59:39Z) - The multi-objective optimisation of breakwaters using evolutionary
approach [62.997667081978825]
工学的な実践では、港や海岸の既存の保護施設の有効性を高めることがしばしば必要である。
本稿では, ブレークウォーター最適化のための多目的進化的アプローチを提案する。
論文 参考訳(メタデータ) (2020-04-06T21:48:01Z)
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。