Fugu-MT 論文翻訳(概要): Graph Neural Network Surrogate for Seismic Reliability Analysis of Highway Bridge Systems

論文の概要: Graph Neural Network Surrogate for Seismic Reliability Analysis of Highway Bridge Systems

arxiv url: http://arxiv.org/abs/2210.06404v2
Date: Thu, 25 Apr 2024 19:35:46 GMT
ステータス: 処理完了
システム内更新日: 2024-04-29 18:47:13.479369
Title: Graph Neural Network Surrogate for Seismic Reliability Analysis of Highway Bridge Systems
Title（参考訳）: ハイウェイブリッジシステムの耐震性解析のためのグラフニューラルネットワークサロゲート
Authors: Tong Liu, Hadi Meidani,
Abstract要約: 本稿では,グラフニューラルネットワークに基づく橋梁網の耐震性評価手法を提案する。モンテカルロ法と比較して,提案手法の精度,計算効率,ロバスト性を実証する。
参考スコア（独自算出の注目度）: 5.205252810216621
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Rapid reliability assessment of transportation networks can enhance preparedness, risk mitigation, and response management procedures related to these systems. Network reliability analysis commonly considers network-level performance and does not consider the more detailed node-level responses due to computational cost. In this paper, we propose a rapid seismic reliability assessment approach for bridge networks based on graph neural networks, where node-level connectivities, between points of interest and other nodes, are evaluated under probabilistic seismic scenarios. Via numerical experiments on transportation systems in California, we demonstrate the accuracy, computational efficiency, and robustness of the proposed approach compared to the Monte Carlo approach.
Abstract（参考訳）: 交通ネットワークの迅速な信頼性評価は、これらのシステムに関連する準備、リスク軽減、応答管理の手順を向上させることができる。ネットワーク信頼性分析は一般にネットワークレベルの性能を考慮し、計算コストによるより詳細なノードレベルの応答を考慮しない。本稿では,関心点と他のノード間のノードレベルの接続性を確率的地震シナリオ下で評価する,グラフニューラルネットワークに基づく橋梁網の高速地震信頼性評価手法を提案する。カリフォルニアにおける輸送システムの数値実験により,モンテカルロ法と比較して提案手法の精度,計算効率,ロバスト性を実証した。

関連論文リスト

RACH Traffic Prediction in Massive Machine Type Communications [5.416701003120508]
本稿では,ALOHAネットワークにおけるバーストトラフィック予測に適した機械学習ベースのフレームワークを提案する。我々は,mMTCネットワークから頻繁に収集されたデータを活用することでLSTMネットワークの状態を更新する,新しい低複雑さオンライン予測アルゴリズムを開発した。本研究では,単一基地局と数千のデバイスを異なるトラフィック発生特性を持つグループに編成したネットワーク上でのフレームワークの性能を評価する。
論文参考訳（メタデータ） (2024-05-08T17:28:07Z)
Imitation-regularized Optimal Transport on Networks: Provable Robustness and Application to Logistics Planning [4.943443725022745]
I-OTソリューションは、ネットワーク上で定義されたコストの観点から堅牢性を示した。また,提案手法の有効性と意義を実証するために,模倣とアプリオリリスク情報のシナリオについても検討した。
論文参考訳（メタデータ） (2024-02-28T01:19:42Z)
Fast and Robust State Estimation and Tracking via Hierarchical Learning [9.341558827016332]
我々は,大規模ネットワークにおけるコンバージェンスを高速化し,状態推定と追跡のレジリエンスを高めることを目的としている。我々は,水中音響ネットワークと大規模合成ネットワークのシミュレーション研究を通じて,我々のアルゴリズムを数値的に検証する。
論文参考訳（メタデータ） (2023-06-29T19:07:17Z)
Boosting Adversarial Robustness using Feature Level Stochastic Smoothing [46.86097477465267]
敵の防御は、ディープニューラルネットワークの堅牢性を大幅に向上させた。本研究では,ネットワーク予測における導入性に関する一般的な手法を提案する。また、信頼性の低い予測を拒否する意思決定の円滑化にも活用する。
論文参考訳（メタデータ） (2023-06-10T15:11:24Z)
Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文参考訳（メタデータ） (2022-05-13T21:09:41Z)
Adaptive network reliability analysis: Methodology and applications to power grid [0.0]
本研究では,ベイジアン付加回帰木(ANR-BART)を用いた適応代理型ネットワーク信頼性解析法を提案する。その結果、ANR-BARTは堅牢であり、信頼性解析の計算コストを大幅に削減しつつ、ネットワーク障害確率の正確な推定値が得られることがわかった。
論文参考訳（メタデータ） (2021-09-11T19:58:08Z)
Towards Understanding Theoretical Advantages of Complex-Reaction Networks [77.34726150561087]
パラメータ数を用いて,関数のクラスを複素反応ネットワークで近似できることを示す。経験的リスク最小化については,複素反応ネットワークの臨界点集合が実数値ネットワークの固有部分集合であることを示す。
論文参考訳（メタデータ） (2021-08-15T10:13:49Z)
Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
論文参考訳（メタデータ） (2021-07-27T06:57:56Z)
Anomaly Detection on Attributed Networks via Contrastive Self-Supervised Learning [50.24174211654775]
本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
論文参考訳（メタデータ） (2021-02-27T03:17:20Z)
Resilient Identification of Distribution Network Topology [0.0]
本稿では,DERMSで利用可能な測定値のみに依存するネットワークTI関数を提案する。提案手法は,ネットワークスイッチング構成と保護装置の状態を同定する。計算負荷が低いため、このアプローチは高速トラックであり、リアルタイムアプリケーションに適用できる。
論文参考訳（メタデータ） (2020-11-16T14:23:56Z)
Network Diffusions via Neural Mean-Field Dynamics [52.091487866968286]
本稿では,ネットワーク上の拡散の推論と推定のための新しい学習フレームワークを提案する。本研究の枠組みは, ノード感染確率の正確な進化を得るために, モリ・ズワンジッヒ形式から導かれる。我々のアプローチは、基礎となる拡散ネットワークモデルのバリエーションに対して多用途で堅牢である。
論文参考訳（メタデータ） (2020-06-16T18:45:20Z)

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。