Fugu-MT 論文翻訳(概要): Non-intrusive surrogate modelling using sparse random features with applications in crashworthiness analysis

論文の概要: Non-intrusive surrogate modelling using sparse random features with applications in crashworthiness analysis

arxiv url: http://arxiv.org/abs/2212.14507v1
Date: Fri, 30 Dec 2022 01:29:21 GMT
ステータス: 処理完了
システム内更新日: 2023-01-02 16:22:51.095843
Title: Non-intrusive surrogate modelling using sparse random features with applications in crashworthiness analysis
Title（参考訳）: 分散ランダム特徴を用いた非インタラクティブサーロゲートモデリングとクラッシュ性解析への応用
Authors: Maternus Herold, Anna Veselovska, Jonas Jehle, and Felix Krahmer
Abstract要約: Sparse Random Features を自己教師付き次元減少と組み合わせた代理モデリングに利用する新しい手法について述べる。以上の結果から, サーロゲートモデリング技術, ポリノミアルカオス展開, ニューラルネットワークの状況に対するアプローチの優位性が示唆された。
参考スコア（独自算出の注目度）: 4.521832548328702
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Efficient surrogate modelling is a key requirement for uncertainty quantification in data-driven scenarios. In this work, a novel approach of using Sparse Random Features for surrogate modelling in combination with self-supervised dimensionality reduction is described. The method is compared to other methods on synthetic and real data obtained from crashworthiness analyses. The results show a superiority of the here described approach over state of the art surrogate modelling techniques, Polynomial Chaos Expansions and Neural Networks.
Abstract（参考訳）: 効率的なサロゲートモデリングは、データ駆動シナリオにおける不確実性定量化の重要な要件である。本研究では,Sparse Random Featuresを自己教師付き次元減少と組み合わせた代理モデリングに利用する新しい手法について述べる。クラッシュ性解析から得られた合成データおよび実データに関する他の方法と比較する。その結果,この手法は,最先端のサーロゲートモデリング手法,多項式カオス展開,ニューラルネットワークよりも優れていることがわかった。

関連論文リスト

Learning Latent Space Dynamics with Model-Form Uncertainties: A Stochastic Reduced-Order Modeling Approach [0.0]
本稿では,複素系の低次モデリングにおけるモデル形式不確かさの表現と定量化のための確率論的アプローチを提案する。提案手法は,プロジェクション行列のランダム化により近似空間を拡張することにより,これらの不確実性を捉える。提案手法の有効性は, 推算演算子に対するモデル形状の不確実性の影響を同定し, 定量化することにより, 流体力学における正準問題に対して評価される。
論文参考訳（メタデータ） (2024-08-30T19:25:28Z)
Model-based Policy Optimization using Symbolic World Model [46.42871544295734]
ロボット工学における学習に基づく制御手法の適用は、大きな課題を呈している。 1つは、モデルなし強化学習アルゴリズムがサンプル効率の低い観測データを使用することである。シンボリック回帰によって生成されるシンボリック表現による遷移ダイナミクスの近似を提案する。
論文参考訳（メタデータ） (2024-07-18T13:49:21Z)
SCME: A Self-Contrastive Method for Data-free and Query-Limited Model Extraction Attack [18.998300969035885]
モデル抽出は、代替モデル上で逆例を生成することによって、ターゲットモデルを騙す。本稿では,偽データの合成におけるクラス間およびクラス内多様性を考慮した,SCME という新しいデータフリーモデル抽出手法を提案する。
論文参考訳（メタデータ） (2023-10-15T10:41:45Z)
Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文参考訳（メタデータ） (2023-04-08T07:55:36Z)
Neural Abstractions [72.42530499990028]
本稿では,ニューラルネットワークを用いた非線形力学モデルの安全性検証手法を提案する。提案手法は,既存のベンチマーク非線形モデルにおいて,成熟度の高いFlow*と同等に動作することを示す。
論文参考訳（メタデータ） (2023-01-27T12:38:09Z)
Convergence of weak-SINDy Surrogate Models [0.0]
本研究では,SINDy法(Sparse Identification of Dynamics)の変種によって生成された代理モデルの詳細な誤差解析を行う。応用として、弱SINDy surrogate Modelingと適切な分解(POD)を組み合わせて偏微分方程式(PDE)の代理モデルを構築することについて議論する。
論文参考訳（メタデータ） (2022-09-30T16:33:11Z)
Model-agnostic multi-objective approach for the evolutionary discovery of mathematical models [55.41644538483948]
現代のデータ科学では、どの部分がより良い結果を得るために置き換えられるかというモデルの性質を理解することがより興味深い。合成データ駆動型モデル学習において,多目的進化最適化を用いてアルゴリズムの所望特性を求める。
論文参考訳（メタデータ） (2021-07-07T11:17:09Z)
MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood Inference from Sampled Trajectories [61.3299263929289]
シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
論文参考訳（メタデータ） (2021-06-03T12:59:16Z)
Improving the Reconstruction of Disentangled Representation Learners via Multi-Stage Modeling [54.94763543386523]
現在の自己エンコーダに基づく非絡み合い表現学習法は、(集合体)後部をペナルティ化し、潜伏因子の統計的独立を促進することで、非絡み合いを実現する。本稿では,不整合因子をペナルティに基づく不整合表現学習法を用いて学習する,新しい多段階モデリング手法を提案する。次に、低品質な再構成を、欠落した関連潜伏変数をモデル化するために訓練された別の深層生成モデルで改善する。
論文参考訳（メタデータ） (2020-10-25T18:51:15Z)
Control as Hybrid Inference [62.997667081978825]
本稿では、反復推論と償却推論のバランスを自然に仲介するCHIの実装について述べる。連続的な制御ベンチマークでアルゴリズムのスケーラビリティを検証し、強力なモデルフリーおよびモデルベースラインを上回る性能を示す。
論文参考訳（メタデータ） (2020-07-11T19:44:09Z)
Amortized Bayesian model comparison with evidential deep learning [0.12314765641075436]
本稿では,専門的なディープラーニングアーキテクチャを用いたベイズモデルの比較手法を提案する。提案手法は純粋にシミュレーションベースであり,観測された各データセットに対して,すべての代替モデルを明示的に適合させるステップを回避している。提案手法は,本研究で検討した事例に対して,精度,キャリブレーション,効率の点で優れた結果が得られることを示す。
論文参考訳（メタデータ） (2020-04-22T15:15:46Z)

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。