論文の概要: Low-dimensional Data-based Surrogate Model of a Continuum-mechanical
Musculoskeletal System Based on Non-intrusive Model Order Reduction
- arxiv url: http://arxiv.org/abs/2302.06528v1
- Date: Mon, 13 Feb 2023 17:14:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-14 14:44:38.089880
- Title: Low-dimensional Data-based Surrogate Model of a Continuum-mechanical
Musculoskeletal System Based on Non-intrusive Model Order Reduction
- Title（参考訳）: 非侵襲的モデルオーダー削減に基づく連続機械筋骨格系の低次元データベースサロゲートモデル
- Authors: Jonas Kneifl, David Rosin, Oliver R\"ohrle, and J\"org Fehr
- Abstract要約: データ駆動型モデルオーダーリダクションを用いた代理モデルのような従来の手法は、高忠実度モデルをより広く利用するために用いられる。
ヒト上腕部の複素有限要素モデルに対する代理モデル手法の利点を実証する。
- 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: In recent decades, the main focus of computer modeling has been on supporting
the design and development of engineering prototyes, but it is now ubiquitous
in non-traditional areas such as medical rehabilitation. Conventional modeling
approaches like the finite element~(FE) method are computationally costly when
dealing with complex models, making them of limited use for purposes like
real-time simulation or deployment on low-end hardware, if the model at hand
cannot be simplified in a useful manner. Consequently, non-traditional
approaches such as surrogate modeling using data-driven model order reduction
are used to make complex high-fidelity models more widely available anyway.
They often involve a dimensionality reduction step, in which the
high-dimensional system state is transformed onto a low-dimensional subspace or
manifold, and a regression approach to capture the reduced system behavior.
While most publications focus on one dimensionality reduction, such as
principal component analysis~(PCA) (linear) or autoencoder (nonlinear), we
consider and compare PCA, kernel PCA, autoencoders, as well as variational
autoencoders for the approximation of a structural dynamical system. In detail,
we demonstrate the benefits of the surrogate modeling approach on a complex FE
model of a human upper-arm. We consider both the models deformation and the
internal stress as the two main quantities of interest in a FE context. By
doing so we are able to create a computationally low cost surrogate model which
captures the system behavior with high approximation quality and fast
evaluations.
- Abstract（参考訳）: 近年、コンピュータ・モデリングの主な焦点は工学的原型の設計と開発の支援であるが、現在では医療リハビリテーションのような非伝統的な分野に広く普及している。
有限要素~(FE)法のような従来のモデリング手法は、複雑なモデルを扱う場合、計算コストがかかるため、手元のモデルが有用な方法で単純化できない場合、リアルタイムシミュレーションやローエンドハードウェアへのデプロイのような目的のために限定的に使用される。
その結果、データ駆動モデルオーダーの削減を用いた代理モデルのような従来の手法は、複雑な高忠実度モデルをより広く利用するために用いられる。
これらはしばしば、高次元の系状態が低次元の部分空間や多様体に変換される次元還元ステップと、還元された系の振る舞いを捉える回帰アプローチを含む。
多くの出版物は、主成分分析~(PCA)やオートエンコーダ(非線形)のような1次元の削減に焦点を当てているが、我々はPCA、カーネルPCA、オートエンコーダ、および構造力学系の近似のための変分オートエンコーダを検討・比較する。
本稿では,人間の上腕部の複雑なFEモデルに対する代理モデルアプローチの利点を実証する。
モデル変形と内部応力の両方を、FEコンテキストにおける2つの主要な関心量であると考えている。
これにより、高い近似品質と高速な評価でシステムの振る舞いを捉える計算的に低コストなサロゲートモデルを作成することができる。
関連論文リスト
- SMILE: Zero-Shot Sparse Mixture of Low-Rank Experts Construction From Pre-Trained Foundation Models [85.67096251281191]
我々は、ゼロショットスパースミクチャー(SMILE)と呼ばれるモデル融合に対する革新的なアプローチを提案する。
SMILEは、余分なデータやさらなるトレーニングなしに、ソースモデルをMoEモデルにアップスケーリングできる。
画像分類やテキスト生成タスクなど,さまざまなシナリオに対して,フル微調整とLoRA微調整を用いて広範な実験を行う。
論文 参考訳（メタデータ） (2024-08-19T17:32:15Z) - Structured Model Pruning for Efficient Inference in Computational Pathology [2.9687381456164004]
バイオメディカルイメージングにおいて広く使われているU-Netスタイルのアーキテクチャを解析する手法を開発した。
我々は,プルーニングが性能を低下させることなく,少なくとも70%圧縮できることを実証的に実証した。
論文 参考訳（メタデータ） (2024-04-12T22:05:01Z) - Model order reduction of deep structured state-space models: A system-theoretic approach [0.0]
深い構造化状態空間モデルは高い予測性能を提供する。
学習された表現は、しばしば非常に大きなモデル順序に悩まされるため、制御設計の目的には適さない。
モデルの整合性を改善するためにトレーニング損失に組み込むことのできる2つの正規化項を導入する。
提示された正則化器は、同相表現と、縮小順序モデルによるより高速な推論という観点で利点をもたらす。
論文 参考訳（メタデータ） (2024-03-21T21:05:59Z) - Symplectic Autoencoders for Model Reduction of Hamiltonian Systems [0.0]
長期の数値安定性を確保するためには,システムに関連するシンプレクティックな構造を維持することが重要である。
本稿では,次元削減のための確立されたツールであるオートエンコーダの精神の中で,新しいニューラルネットワークアーキテクチャを提案する。
ネットワークのトレーニングには,非標準勾配降下法を適用した。
論文 参考訳（メタデータ） (2023-12-15T18:20:25Z) - Multi-fidelity reduced-order surrogate modeling [5.346062841242067]
我々は,次元削減と多要素ニューラルネットワークのサロゲートを組み合わせた新しいデータ駆動型戦略を提案する。
このサロゲート法により不安定性と過渡性の開始が良好に捉えられることを示す。
論文 参考訳（メタデータ） (2023-09-01T08:16:53Z) - When to Update Your Model: Constrained Model-based Reinforcement
Learning [50.74369835934703]
モデルベースRL(MBRL)の非遅延性能保証のための新規で一般的な理論スキームを提案する。
続いて導いた境界は、モデルシフトとパフォーマンス改善の関係を明らかにします。
さらなる例では、動的に変化する探索からの学習モデルが、最終的なリターンの恩恵をもたらすことが示されている。
論文 参考訳（メタデータ） (2022-10-15T17:57:43Z) - Real-time Neural-MPC: Deep Learning Model Predictive Control for
Quadrotors and Agile Robotic Platforms [59.03426963238452]
モデル予測制御パイプライン内の動的モデルとして,大規模で複雑なニューラルネットワークアーキテクチャを効率的に統合するフレームワークであるReal-time Neural MPCを提案する。
ニューラルネットワークを使わずに、最先端のMPCアプローチと比較して、位置追跡誤差を最大82%削減することで、実世界の問題に対する我々のフレームワークの実現可能性を示す。
論文 参考訳（メタデータ） (2022-03-15T09:38:15Z) - Surrogate Modeling for Physical Systems with Preserved Properties and
Adjustable Tradeoffs [0.0]
代理モデルを生成するためのモデルベースおよびデータ駆動型戦略を提案する。
後者は、前提となる位相構造に人工的関係を組み込むことで解釈可能な代理モデルを生成する。
我々のフレームワークは、分散パラメータモデルのための様々な空間離散化スキームと互換性がある。
論文 参考訳（メタデータ） (2022-02-02T17:07:02Z) - Closed-form Continuous-Depth Models [99.40335716948101]
連続深度ニューラルモデルは高度な数値微分方程式解法に依存している。
我々は,CfCネットワークと呼ばれる,記述が簡単で,少なくとも1桁高速な新しいモデル群を提示する。
論文 参考訳（メタデータ） (2021-06-25T22:08:51Z) - 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) - Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。
このようなモデルをリアルタイム診断に利用しています。
論文 参考訳（メタデータ） (2020-03-04T00:44:57Z)
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。