論文の概要: Probabilistic selection and design of concrete using machine learning

• arxiv url: http://arxiv.org/abs/2304.11226v1
• Date: Fri, 21 Apr 2023 19:20:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-25 19:43:53.008657
• Title: Probabilistic selection and design of concrete using machine learning
• Title（参考訳）: 機械学習を用いたコンクリートの確率的選択と設計
• Authors: Jessica C. Forsdyke, Bahdan Zviazhynski, Janet M. Lees and Gareth J. Conduit
• Abstract要約: 機械学習を用いて信頼性の高いプロパティ予測を行うことで、コンクリートのパフォーマンスベースの仕様作成が容易になる。 本研究では, 炭素化に対する耐性が高いコンクリートの混合物と, 環境影響の低いコンクリートの混合物を同定する手法を適用した。 我々の一般的な手法は、構造工学に幅広い応用がある機械学習におけるノイズの活用を可能にする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Development of robust concrete mixes with a lower environmental impact is challenging due to natural variability in constituent materials and a multitude of possible combinations of mix proportions. Making reliable property predictions with machine learning can facilitate performance-based specification of concrete, reducing material inefficiencies and improving the sustainability of concrete construction. In this work, we develop a machine learning algorithm that can utilize intermediate target variables and their associated noise to predict the final target variable. We apply the methodology to specify a concrete mix that has high resistance to carbonation, and another concrete mix that has low environmental impact. Both mixes also fulfill targets on the strength, density, and cost. The specified mixes are experimentally validated against their predictions. Our generic methodology enables the exploitation of noise in machine learning, which has a broad range of applications in structural engineering and beyond.
• Abstract（参考訳）: 環境影響の少ない強固なコンクリート混合材の開発は, 構成材料の自然変動と配合割合の多種多様な組み合わせにより困難である。 機械学習による信頼性の高い特性予測を行うことで、コンクリートの性能に基づく仕様策定が容易になり、材料の非効率性が低減され、コンクリート構造物の持続性が向上する。 本研究では,中間目標変数とその関連雑音を利用して最終目標変数を予測する機械学習アルゴリズムを開発した。 本手法は, 炭酸化に対して高い抵抗性を有するコンクリート混合物と, 環境影響の少ないコンクリート混合物を規定するために適用する。 両方の混合物は強度、密度、コストの目標も満たしている。 特定の混合物は、その予測に対して実験的に検証される。 私たちの一般的な方法論は、構造工学や他の分野に幅広い応用がある機械学習におけるノイズの活用を可能にします。

関連論文リスト

• Material synthesis through simulations guided by machine learning: a position paper [8.200404240116516]
  石切り工程からのカルシウム豊富な残留物である大理石汚泥は、様々な材料を混ぜて再利用することができる。 大理石汚泥再利用のための最適混合設計分野における持続可能なデータ収集手法を提案する。
  論文  参考訳（メタデータ） (2024-11-21T09:06:33Z)
• Explainable Artificial Intelligent (XAI) for Predicting Asphalt Concrete Stiffness and Rutting Resistance: Integrating Bailey's Aggregate Gradation Method [0.0]
  本研究では, アスファルトコンクリートの挙動を解析するために, 説明可能な人工知能(XAI)技術を用いた。 モデルの性能はk-foldクロスバリデーションを用いて検証され、他の機械学習手法と比較して精度が向上した。 その結果, 粗骨材は耐ラッティング性, 中粒骨材は剛性に影響を与えることが明らかとなった。
  論文  参考訳（メタデータ） (2024-10-16T02:39:55Z)
• Sustainable Concrete via Bayesian Optimization [4.149122595744125]
  地球規模の二酸化炭素排出量の8%はセメントの生産による可能性がある。 そのため、低炭素コンクリート公式の発見は持続可能性にとって非常に重要である。
  論文  参考訳（メタデータ） (2023-10-27T17:25:12Z)
• A Comparative Study of Machine Learning Algorithms for Anomaly Detection in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
  本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。 Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。 しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
  論文  参考訳（メタデータ） (2023-07-01T15:18:00Z)
• Matched Machine Learning: A Generalized Framework for Treatment Effect Inference With Learned Metrics [87.05961347040237]
  我々は、機械学習ブラックボックスの柔軟性とマッチングの解釈可能性を組み合わせたフレームワークであるMatched Machine Learningを紹介する。 我々のフレームワークは機械学習を用いて、一致した単位を学習し、結果を推定する最適な指標を学習する。 一致機械学習のインスタンスはブラックボックスの機械学習手法と同等に動作し、類似した問題に対する既存のマッチング手法よりも優れていることを実証的に示す。
  論文  参考訳（メタデータ） (2023-04-03T19:32:30Z)
• Robustness in Fatigue Strength Estimation [61.85933973929947]
  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。
  論文  参考訳（メタデータ） (2022-12-02T12:30:29Z)
• Designing Robust Transformers using Robust Kernel Density Estimation [47.494628752936165]
  異なるトランスフォーマーアーキテクチャに組み込むことができる一連の自己注意機構を導入する。 次に、言語モデリングと画像分類タスクについて広範な実証的研究を行う。
  論文  参考訳（メタデータ） (2022-10-11T21:39:52Z)
• Continual Predictive Learning from Videos [100.27176974654559]
  本稿では,ビデオ予測の文脈において,新たな連続学習問題について検討する。 本稿では,連続予測学習(Continuousal predictive Learning, CPL)アプローチを提案する。 我々はRoboNetとKTHに基づく2つの新しいベンチマークを構築し、異なるタスクが異なる物理ロボット環境や人間の行動に対応するようにした。
  論文  参考訳（メタデータ） (2022-04-12T08:32:26Z)
• Accelerated Design and Deployment of Low-Carbon Concrete for Data Centers [13.376376442187922]
  条件付き変分オートエンコーダ (CVAE) を用いて, 所望の特性を持つ具体的な公式を探索する。 私たちのモデルは、UCI Machine Learning Repositoryの小さなオープンデータセットを使ってトレーニングされています。 本報告では, アメリカ合衆国, デカルブのメタデータセンターにおいて, 建物や構造物の造成にこれらの定式化が用いられていることを報告する。
  論文  参考訳（メタデータ） (2022-04-11T20:40:13Z)
• Learning to Sieve: Prediction of Grading Curves from Images of Concrete Aggregate [1.6249267147413522]
  本稿では, コンクリート骨材グレーディング曲線を決定するための深層学習法を提案する。 本稿では,マルチスケール特徴抽出モジュールを応用したネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-04-07T10:04:05Z)
• CausalWorld: A Robotic Manipulation Benchmark for Causal Structure and Transfer Learning [138.40338621974954]
  CausalWorldは、ロボット操作環境における因果構造と伝達学習のベンチマークである。 タスクは、ブロックのセットから3D形状を構築することで構成される。
  論文  参考訳（メタデータ） (2020-10-08T23:01:13Z)

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。