論文の概要: Structural State Translation: Condition Transfer between Civil Structures Using Domain-Generalization for Structural Health Monitoring

• arxiv url: http://arxiv.org/abs/2212.14048v1
• Date: Wed, 28 Dec 2022 04:12:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-02 15:29:43.453863
• Title: Structural State Translation: Condition Transfer between Civil Structures Using Domain-Generalization for Structural Health Monitoring
• Title（参考訳）: 構造状態変換:構造ヘルスモニタリングのためのドメイン一般化を用いた市民構造間の状態伝達
• Authors: Furkan Luleci, F. Necati Catbas
• Abstract要約: 本稿では,構造状態翻訳(Structure State Translation, SST)という新しいフレームワークを紹介する。 SSTは、異種構造から得られる情報に基づいて、異なる土木構造物の応答データを推定することを目的としている。 この研究は、構造が実際に異なる状態にある間、構造からデータを取得することができることを示すため、データ不足と構造健康モニタリング(SHM)に重要である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Using Structural Health Monitoring (SHM) systems with extensive sensing arrangements on every civil structure can be costly and impractical. Various concepts have been introduced to alleviate such difficulties, such as Population-based SHM (PBSHM). Nevertheless, the studies presented in the literature do not adequately address the challenge of accessing the information on different structural states (conditions) of dissimilar civil structures. The study herein introduces a novel framework named Structural State Translation (SST), which aims to estimate the response data of different civil structures based on the information obtained from a dissimilar structure. SST can be defined as Translating a state of one civil structure to another state after discovering and learning the domain-invariant representation in the source domains of a dissimilar civil structure. SST employs a Domain-Generalized Cycle-Generative (DGCG) model to learn the domain-invariant representation in the acceleration datasets obtained from a numeric bridge structure that is in two different structural conditions. In other words, the model is tested on three dissimilar numeric bridge models to translate their structural conditions. The evaluation results of SST via Mean Magnitude-Squared Coherence (MMSC) and modal identifiers showed that the translated bridge states (synthetic states) are significantly similar to the real ones. As such, the minimum and maximum average MMSC values of real and translated bridge states are 91.2% and 97.1%, the minimum and the maximum difference in natural frequencies are 5.71% and 0%, and the minimum and maximum Modal Assurance Criterion (MAC) values are 0.998 and 0.870. This study is critical for data scarcity and PBSHM, as it demonstrates that it is possible to obtain data from structures while the structure is actually in a different condition or state.
• Abstract（参考訳）: 構造的健康モニタリング(SHM)システムを用いることで、すべての土木構造物に広範囲な検知装置を配置することは、コストがかかり実用的ではない。 人口ベースのscm (pbshm) のような困難を緩和するために様々な概念が導入された。 それにもかかわらず、文献に提示された研究は、異質な市民構造の異なる構造状態(条件)の情報にアクセスするという課題を十分に扱っていない。 本研究は,異種構造から得られた情報に基づいて,異なる土木構造物の応答データを推定することを目的とした,構造状態変換(sst)と呼ばれる新しい枠組みを提案する。 SSTは、異なるシビル構造のソースドメインにおけるドメイン不変表現を発見し、学習した後、あるシビル構造の状態を別の状態に変換するものとして定義することができる。 SSTは、ドメイン一般化サイクル生成(DGCG)モデルを用いて、2つの異なる構造条件の数値ブリッジ構造から得られた加速データセットのドメイン不変表現を学習する。 言い換えると、このモデルは3つの異なる数値ブリッジモデルでテストされ、それらの構造条件を翻訳する。 平均Magnitude-Squared Coherence (MMSC) とモーダル識別子によるSSTの評価結果から, 翻訳されたブリッジ状態(合成状態)は実状態と著しく類似していることがわかった。 したがって、実および翻訳されたブリッジ状態の平均MMSC値は91.2%と97.1%であり、自然周波数の最小と最大差は5.71%と0%であり、最小と最大のモード保証基準(MAC)値は0.998と0.870である。 本研究は,構造が異なる状態や状態にある間,構造からデータを得ることが可能であることを示すため,データ不足やpbshmにとって極めて重要である。

関連論文リスト

• Fast and Reliable Probabilistic Reflectometry Inversion with Prior-Amortized Neural Posterior Estimation [73.81105275628751]
  リフレクションメトリデータと互換性のある全ての構造を見つけることは、標準アルゴリズムでは計算が禁止される。 この信頼性の欠如に対処するため,確率論的深層学習法を用いて,現実的な構造を数秒で識別する。 提案手法は,シミュレーションに基づく推論と新しい適応型事前推定を併用する。
  論文  参考訳（メタデータ） (2024-07-26T10:29:16Z)
• Identifying Semantic Component for Robust Molecular Property Prediction [29.806394745142267]
  そこで本研究では,SCIという意味成分識別能力を持つ生成モデルを提案する。 この生成モデルにおける潜伏変数は、意味関連(SR)と意味非関連(SI)に明確に識別できることを実証する。 実験により、21のデータセットを3つの主要なベンチマークで総合的に改善した。
  論文  参考訳（メタデータ） (2023-11-08T17:01:35Z)
• Topology-Aware Uncertainty for Image Segmentation [19.248891926246383]
  このようなタスクに対する不確実性の推定に重点を置いているので、人間のアノテータが検証できるように、非常に不確実でエラーを起こしやすい構造を特定できる。 本稿では,隣接する構造物を考慮に入れながら構造物の不確かさを推定する共同予測モデルを提案する。 また,各構造に固有の不確かさをモデル化する新しい確率的DMTを提案する。
  論文  参考訳（メタデータ） (2023-06-09T05:01:55Z)
• Disentangling Structured Components: Towards Adaptive, Interpretable and Scalable Time Series Forecasting [52.47493322446537]
  本研究では,時空間パターンの各コンポーネントを個別にモデル化する適応的,解釈可能,スケーラブルな予測フレームワークを開発する。 SCNNは、空間時間パターンの潜在構造を算術的に特徴づける、MSSの事前定義された生成プロセスで動作する。 SCNNが3つの実世界のデータセットの最先端モデルよりも優れた性能を達成できることを示すため、大規模な実験が行われた。
  論文  参考訳（メタデータ） (2023-05-22T13:39:44Z)
• RDesign: Hierarchical Data-efficient Representation Learning for Tertiary Structure-based RNA Design [65.41144149958208]
  本研究では,データ駆動型RNA設計パイプラインを体系的に構築することを目的とする。 我々は、ベンチマークデータセットを作成し、複雑なRNA第三次構造を表現するための包括的な構造モデリングアプローチを設計した。 RNA設計プロセスを容易にするために,塩基対を持つ抽出二次構造体を事前知識として組み込んだ。
  論文  参考訳（メタデータ） (2023-01-25T17:19:49Z)
• Autoregressive Structured Prediction with Language Models [73.11519625765301]
  本稿では, PLM を用いた自己回帰的手法を用いて, モデル構造を行動列として記述する。 我々のアプローチは、私たちが見てきた全ての構造化予測タスクにおいて、新しい最先端を実現する。
  論文  参考訳（メタデータ） (2022-10-26T13:27:26Z)
• A Machine Learning Approach to Classifying Construction Cost Documents into the International Construction Measurement Standard [0.0]
  原価文書で提供される自然言語記述を分類する最初の自動モデル「Bills of Quantities」を紹介した。 英国中の24の大規模なインフラ建設プロジェクトから収集された5万件以上の項目のデータセットから学習する。
  論文  参考訳（メタデータ） (2022-10-24T11:35:53Z)
• Differentiable and Transportable Structure Learning [73.84540901950616]
  本稿では,新しいアーキテクチャと損失関数により,発見された構造物の輸送性を回復するD-Structを紹介する。 D-Structは依然として微分可能であるため、既存の微分可能アーキテクチャでは容易に適用できる。
  論文  参考訳（メタデータ） (2022-06-13T17:50:53Z)
• Pseudo standard entanglement structure cannot be distinguished from standard entanglement structure [61.12008553173672]
  最大絡み状態の実験的検証は、その状態が最大絡み状態と全く同じであることを保証しない。 我々の設定では、任意の最大絡み合い状態は、得られた擬標準絡み合い構造に属する絡み合い状態によって任意に近似することができる。
  論文  参考訳（メタデータ） (2022-03-15T14:56:43Z)
• Online structural health monitoring by model order reduction and deep learning algorithms [0.17499351967216337]
  オンラインダメージローカリゼーションに向けたシミュレーションに基づく分類戦略を提案する。 提案手法は2次元ポータルフレームと3次元ポータルフレーム鉄道橋に関する2つのケーススタディによって検証されている。
  論文  参考訳（メタデータ） (2021-03-26T08:40:41Z)

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。