論文の概要: Robustness in Fatigue Strength Estimation

• arxiv url: http://arxiv.org/abs/2212.01136v1
• Date: Fri, 2 Dec 2022 12:30:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 17:26:44.405242
• Title: Robustness in Fatigue Strength Estimation
• Title（参考訳）: 疲労強度推定におけるロバスト性
• Authors: Dorina Weichert, Alexander Kister, Sebastian Houben, Gunar Ernis, Stefan Wrobel
• Abstract要約: 本稿では,疲労強度推定のためのモジュール型機械学習によるアプローチについて検討する。 その可能性が高いにもかかわらず、現実の研究室に新しいアプローチを配置するには、理論的な定義とシミュレーション以上のものが必要である。 我々は、その適用性と最先端手法に対する有利な振る舞いを特定し、コストのかかる実験の数を減少させる可能性がある。
• 参考スコア（独自算出の注目度）: 61.85933973929947
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fatigue strength estimation is a costly manual material characterization process in which state-of-the-art approaches follow a standardized experiment and analysis procedure. In this paper, we examine a modular, Machine Learning-based approach for fatigue strength estimation that is likely to reduce the number of experiments and, thus, the overall experimental costs. Despite its high potential, deployment of a new approach in a real-life lab requires more than the theoretical definition and simulation. Therefore, we study the robustness of the approach against misspecification of the prior and discretization of the specified loads. We identify its applicability and its advantageous behavior over the state-of-the-art methods, potentially reducing the number of costly experiments.
• Abstract（参考訳）: 疲労強度推定はコストのかかる手作業による材料特性評価プロセスであり、標準化された実験と分析手順に従っている。 本稿では, 疲労強度推定のためのモジュール型機械学習によるアプローチについて検討し, 実験回数を削減し, 全体としての実験コストを削減できることを示した。 その高い可能性にもかかわらず、新しいアプローチを実生活の実験室に導入するには、理論的な定義とシミュレーション以上のことが必要である。 そこで,本研究では,前処理と特定負荷の離散化に対するアプローチの堅牢性について検討する。 我々は、その適用性と最先端手法に対する有利な振る舞いを特定し、コストのかかる実験の数を減少させる可能性がある。

関連論文リスト

• A Double Machine Learning Approach to Combining Experimental and Observational Data [59.29868677652324]
  実験と観測を組み合わせた二重機械学習手法を提案する。 我々の枠組みは、より軽度の仮定の下で、外部の妥当性と無知の違反を検査する。
  論文  参考訳（メタデータ） (2023-07-04T02:53:11Z)
• Improved Policy Evaluation for Randomized Trials of Algorithmic Resource Allocation [54.72195809248172]
  提案する新しい概念を応用した新しい推定器を提案する。 我々は,このような推定器が,サンプル手段に基づく一般的な推定器よりも精度が高いことを理論的に証明した。
  論文  参考訳（メタデータ） (2023-02-06T05:17:22Z)
• Investigating the robustness of a learning-based method for quantitative phase retrieval from propagation-based x-ray phase contrast measurements under laboratory conditions [8.238694906165453]
  本研究では、シミュレーションデータに基づいて訓練されたエンドツーエンドの学習に基づく定量的位相探索法を、実験的な伝搬に基づくX線位相コントラスト計測に適用可能であることを示す。
  論文  参考訳（メタデータ） (2022-11-02T15:10:14Z)
• Constrained multi-objective optimization of process design parameters in settings with scarce data: an application to adhesive bonding [48.7576911714538]
  接着プロセスに最適なプロセスパラメータを見つけることは困難である。 遺伝的アルゴリズムのような伝統的な進化的アプローチは、その問題を解決するのに不適である。 本研究では,目的関数と制約関数をエミュレートするために,特定の機械学習手法をうまく応用した。
  論文  参考訳（メタデータ） (2021-12-16T10:14:39Z)
• Quantifying Epistemic Uncertainty in Deep Learning [15.494774321257939]
  不確かさの定量化は、機械学習の信頼性と堅牢性の中核にある。 深層学習における不確実性,特にテクテプステミック成分を識別する理論的枠組みを提供する。 本稿では,これらの不確かさを推定する2つの手法を提案し,その1つは影響関数に基づくものであり,もう1つは変数に関するものである。
  論文  参考訳（メタデータ） (2021-10-23T03:21:10Z)
• Adaptive importance sampling for seismic fragility curve estimation [0.0]
  地震荷重を受ける際には, 機械・土木構造物の脆性について検討する必要がある。 フラジティ曲線の推定は、時間のかかる数値シミュレーションに依存する。 適応的重要度サンプリングに基づく能動的学習手法の提案と実装を行う。
  論文  参考訳（メタデータ） (2021-09-09T14:56:33Z)
• Robust multi-stage model-based design of optimal experiments for nonlinear estimation [0.0]
  本研究では,モデルに基づく実験の高次設計へのアプローチについて検討する。 マルチステージロバスト最適化に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-11-11T19:50:31Z)
• Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
  機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。 本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。 実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-31T17:25:12Z)
• Real-Time Uncertainty Estimation in Computer Vision via Uncertainty-Aware Distribution Distillation [18.712408359052667]
  本研究では,事前学習したドロップアウトモデルの条件付き予測分布を学習するための,簡易かつ簡便な蒸留法を提案する。 提案手法の有効性を,意味的セグメンテーションと深さ推定の両方で実証的に検証した。
  論文  参考訳（メタデータ） (2020-07-31T05:40:39Z)
• Reintroducing Straight-Through Estimators as Principled Methods for Stochastic Binary Networks [85.94999581306827]
  2重みとアクティベーションを持つニューラルネットワークのトレーニングは、勾配の欠如と離散重みよりも最適化が難しいため、難しい問題である。 多くの実験結果が経験的ストレートスルー(ST)アプローチで達成されている。 同時に、ST法はベルヌーイ重みを持つバイナリネットワーク(SBN)モデルにおける推定子として真に導出することができる。
  論文  参考訳（メタデータ） (2020-06-11T23:58:18Z)

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。