論文の概要: The GA-cal software for the automatic calibration of soil constitutive
laws: a tutorial and a user manual
- arxiv url: http://arxiv.org/abs/2211.13652v1
- Date: Thu, 24 Nov 2022 15:08:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-28 16:18:18.240419
- Title: The GA-cal software for the automatic calibration of soil constitutive
laws: a tutorial and a user manual
- Title(参考訳): 土壌構成法則の自動校正のためのGA-calソフトウェア:チュートリアルとユーザマニュアル
- Authors: Francisco J. Mendez and Miguel A. Mendez and Antonio Pasculli
- Abstract要約: GA-calは遺伝的アルゴリズム(GA)最適化を用いて法則を自動調整するソフトウェアである。
提案手法は、キャリブレーション問題を回帰として設定し、GA最適化を用いてモデルパラメータを数値モデルが実験データと一致するように調整する。
実装されたサブルーチンは、異なるテストやモデルを含む他の回帰や最適化問題を解決するために容易に拡張できる。
- 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 calibration of an advanced constitutive law for soil is a challenging
task. This work describes GA-cal, a Fortran software for automatically
calibrating constitutive laws using Genetic Algorithms (GA) optimization. The
proposed approach sets the calibration problem as a regression, and the GA
optimization is used to adjust the model parameters so that a numerical model
matches experimental data. This document provides a user guide and a simple
tutorial. We showcase GA-cal on the calibration of the Sand Hypoplastic law
proposed by von Wolffersdorff, with the oedometer and triaxial drained test
data. The implemented subroutines can be easily extended to solve other
regression or optimization problems, including different tests and constitutive
models. The source code and the presented tutorial are freely available at
\url{https://github.com/FraJoMen/GA-cal}.
- Abstract(参考訳): 高度な土壌構成法の校正は難しい課題である。
GAアルゴリズム(GA)最適化を用いて構成法則を自動的に校正するFortranソフトウェアであるGA-calについて述べる。
提案手法では,キャリブレーション問題を回帰として定式化し,ga最適化によりモデルパラメータの調整を行い,数値モデルを実験データに適合させる。
このドキュメントはユーザガイドと簡単なチュートリアルを提供する。
我々は,フォン・ヴォルフファースドルフが提唱した砂質準塑性法のキャリブレーションに関するga-calを,oedometerおよび三軸ドレインドレイン試験データを用いて紹介する。
実装されたサブルーチンは、異なるテストや構成モデルを含む他の回帰や最適化問題を解決するために容易に拡張できる。
ソースコードとチュートリアルは \url{https://github.com/FraJoMen/GA-cal} で無償公開されている。
関連論文リスト
- Testing Calibration in Nearly-Linear Time [14.099477870728595]
プロパティテストのレンズによるキャリブレーションのアルゴリズム的な研究に焦点をあてる。
実験的なスムーズなキャリブレーション線形プログラムは,高構造グラフ上の最小コストフローの例として再計算できる,という簡単な観察を行う。
我々は,キャリブレーションの標準概念を忠実に捉え,我々のアルゴリズムが大規模なサンプルサイズに対応するために効率的にスケールできることを実証する実験を行った。
論文 参考訳(メタデータ) (2024-02-20T17:53:24Z) - Adaptive Calibrator Ensemble for Model Calibration under Distribution
Shift [23.794897699193875]
アダプティブ・キャリブレータ・アンサンブル(ACE)は、通常はキャリブレーション・セットよりも難しいOODデータセットをキャリブレーション・セットに分類する。
ACEは一般に、一連のOODベンチマークにおけるいくつかの最先端のキャリブレーション方式の性能を改善している。
論文 参考訳(メタデータ) (2023-03-09T15:22:02Z) - Sharp Calibrated Gaussian Processes [58.94710279601622]
キャリブレーションされたモデルを設計するための最先端のアプローチは、ガウス過程の後方分散を膨らませることに依存している。
本稿では,バニラガウス過程の後方分散にインスパイアされた計算を用いて,予測量子化を生成するキャリブレーション手法を提案する。
我々のアプローチは合理的な仮定の下で校正されたモデルが得られることを示す。
論文 参考訳(メタデータ) (2023-02-23T12:17:36Z) - Square Root Bundle Adjustment for Large-Scale Reconstruction [56.44094187152862]
QR分解によるランドマーク変数のnullspace marginalizationに依存するバンドル調整問題の新たな定式化を提案する。
平方根束調整と呼ばれる私たちのアプローチは、一般的に使用されるSchur補完トリックと代数的に等価です。
BALデータセットを用いた実世界での実験では、提案されたソルバが単一の精度でも平均的等しく正確なソリューションで達成できることを示す。
論文 参考訳(メタデータ) (2021-03-02T16:26:20Z) - Self-Tuning Stochastic Optimization with Curvature-Aware Gradient
Filtering [53.523517926927894]
サンプルごとのHessian-vector積と勾配を用いて、自己チューニングの二次構造を構築する。
モデルに基づく手続きが雑音勾配設定に収束することを証明する。
これは自己チューニング二次体を構築するための興味深いステップである。
論文 参考訳(メタデータ) (2020-11-09T22:07:30Z) - Obtaining Adjustable Regularization for Free via Iterate Averaging [43.75491612671571]
最適化のための正規化は、機械学習の過度な適合を避けるための重要なテクニックである。
我々は、任意の強凸かつ滑らかな対象関数上のSGDの繰り返しを正規化された関数に変換する平均化スキームを確立する。
提案手法は,高速化および事前条件最適化手法にも利用できる。
論文 参考訳(メタデータ) (2020-08-15T15:28:05Z) - Uncertainty Quantification and Deep Ensembles [79.4957965474334]
ディープアンサンブルが必ずしもキャリブレーション特性の改善につながるとは限らないことを示す。
そこで本研究では,混成正規化などの現代的な手法と併用して標準アンサンブル法を用いることで,キャリブレーションの少ないモデルが得られることを示す。
このテキストは、データが不足しているときにディープラーニングを活用するために、最も単純で一般的な3つのアプローチの相互作用を調べる。
論文 参考訳(メタデータ) (2020-07-17T07:32:24Z) - Simple and Effective VAE Training with Calibrated Decoders [123.08908889310258]
変分オートエンコーダ(VAE)は、複雑な分布をモデル化するための効果的で簡単な方法である。
復号分布の不確かさを学習する校正復号器の影響について検討する。
本稿では,一般的なガウス復号器の簡易かつ斬新な修正を提案し,その予測分散を解析的に計算する。
論文 参考訳(メタデータ) (2020-06-23T17:57:47Z) - Calibration of the von Wolffersdorff model using Genetic Algorithms [0.0]
本稿では、フォン・ヴォルフフェルスドルフの法則を校正するための遺伝的アルゴリズム(GA)に基づく最適化フレームワークを提案する。
提案手法は, 実測値と3軸ドレイン圧縮試験の結果から, これらのパラメータを自動的に適合させることができる。
論文 参考訳(メタデータ) (2020-06-10T20:07:55Z) - Calibrating Structured Output Predictors for Natural Language Processing [8.361023354729731]
本稿では,ニューラルネットワークに基づく構造化予測モデルに注目する出力要素の一般的なキャリブレーション手法を提案する。
提案手法は,任意のバイナリクラスキャリブレーションスキームとニューラルネットワークモデルを用いて適用することができる。
提案手法は, 話者認識, パート・オブ・音声, 質問応答における現在のキャリブレーション手法より優れていることを示す。
論文 参考訳(メタデータ) (2020-04-09T04:14:46Z) - Calibration of Pre-trained Transformers [55.57083429195445]
本研究ではBERTとRoBERTaに着目し,自然言語推論,パラフレーズ検出,コモンセンス推論という3つのタスクのキャリブレーションを分析した。
その結果,(1) 事前学習モデルを用いてドメイン内キャリブレーションを行う場合, ベースラインと比較して, ドメイン外キャリブレーション誤差が3.5倍も低いこと,(2) ドメイン内キャリブレーション誤差をさらに低減するために温度スケーリングが有効であること,および, ラベルスムーシングを用いて実証的不確実性を意図的に増大させることにより, ドメイン内キャリブレーション後部キャリブレーションを支援すること,などが示されている。
論文 参考訳(メタデータ) (2020-03-17T18:58:44Z)
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。