Fugu-MT 論文翻訳(概要): Physics-constrained Random Forests for Turbulence Model Uncertainty Estimation

論文の概要: Physics-constrained Random Forests for Turbulence Model Uncertainty Estimation

arxiv url: http://arxiv.org/abs/2306.13370v1
Date: Fri, 23 Jun 2023 08:44:56 GMT
ステータス: 処理完了
システム内更新日: 2023-06-26 13:15:37.555608
Title: Physics-constrained Random Forests for Turbulence Model Uncertainty Estimation
Title（参考訳）: 乱流モデル不確実性推定のための物理制約ランダムフォレスト
Authors: Marcel Matha and Christian Morsbach
Abstract要約: 乱流モデルの不確実性を考慮した物理制約付き手法について論じる。ユーザ入力を排除するため,データ駆動型機械学習戦略を取り入れた。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: To achieve virtual certification for industrial design, quantifying the uncertainties in simulation-driven processes is crucial. We discuss a physics-constrained approach to account for epistemic uncertainty of turbulence models. In order to eliminate user input, we incorporate a data-driven machine learning strategy. In addition to it, our study focuses on developing an a priori estimation of prediction confidence when accurate data is scarce.
Abstract（参考訳）: 産業設計の仮想認証を実現するためには,シミュレーション駆動プロセスの不確かさの定量化が重要である。本稿では,乱流モデルのエピステミック不確実性を考慮した物理制約手法について論じる。ユーザ入力を排除するため,データ駆動型機械学習戦略を取り入れた。さらに,正確なデータが不足している場合の予測信頼度を事前推定する手法の開発に焦点をあてた。

関連論文リスト

Entropy-Based Uncertainty Modeling for Trajectory Prediction in Autonomous Driving [9.365269316773219]
我々は、不確実性の定量化、分解、およびモデル構成の影響に焦点を当てた全体論的アプローチを採用する。提案手法は,不確実性を測定するための理論に基づく情報理論に基づく手法である。我々はnuScenesデータセットに関する広範な実験を行い、異なるモデルアーキテクチャと構成が不確実性定量化とモデルロバスト性にどのように影響するかを評価する。
論文参考訳（メタデータ） (2024-10-02T15:02:32Z)
Conformalized Multimodal Uncertainty Regression and Reasoning [0.9205582989348333]
本稿では,マルチモーダル(不連続)不確実性境界を予測できる軽量不確実性推定器を提案する。本稿では,空飛ぶ領域対称性などの環境特性が多モード不確実性をもたらす視覚計測(VO)への応用について論じる。
論文参考訳（メタデータ） (2023-09-20T02:40:59Z)
Towards the Development of an Uncertainty Quantification Protocol for the Natural Gas Industry [0.0]
シミュレーション結果の不確かさは意思決定プロセスに不可欠である。本稿では,機械学習および機械シミュレーションモデルの予測の不確実性を評価するためのプロトコルを開発する。このプロトコルは、ガス流通産業に関連するケースのテストに応用され、その応用から学んだことを提示する。
論文参考訳（メタデータ） (2023-08-05T18:54:59Z)
Lightweight, Uncertainty-Aware Conformalized Visual Odometry [2.429910016019183]
データ駆動型ビジュアルオドメトリー(VO)は、自律エッジロボティクスにとって重要なサブルーチンである。昆虫スケールドローンや外科ロボットのような最先端ロボットデバイスは、VOの予測の不確実性を推定する計算的に効率的な枠組みを欠いている。本稿では,共形推論(CI)を利用してVOの不確実な帯域を抽出する,新しい,軽量で統計的に堅牢なフレームワークを提案する。
論文参考訳（メタデータ） (2023-03-03T20:37:55Z)
The Implicit Delta Method [61.36121543728134]
本稿では,不確実性のトレーニング損失を無限に正規化することで機能する,暗黙のデルタ法を提案する。有限差分により無限小変化が近似された場合でも, 正則化による評価の変化は評価推定器の分散に一定であることを示す。
論文参考訳（メタデータ） (2022-11-11T19:34:17Z)
Reliability-Aware Prediction via Uncertainty Learning for Person Image Retrieval [51.83967175585896]
UALは、データ不確実性とモデル不確実性を同時に考慮し、信頼性に配慮した予測を提供することを目的としている。データ不確実性はサンプル固有のノイズを捕捉する」一方、モデル不確実性はサンプルの予測に対するモデルの信頼を表現している。
論文参考訳（メタデータ） (2022-10-24T17:53:20Z)
The Unreasonable Effectiveness of Deep Evidential Regression [72.30888739450343]
不確実性を考慮した回帰ベースニューラルネットワーク(NN)による新しいアプローチは、従来の決定論的手法や典型的なベイズ的NNよりも有望であることを示している。我々は、理論的欠点を詳述し、合成および実世界のデータセットのパフォーマンスを分析し、Deep Evidential Regressionが正確な不確実性ではなく定量化であることを示す。
論文参考訳（メタデータ） (2022-05-20T10:10:32Z)
Hessian-based toolbox for reliable and interpretable machine learning in physics [58.720142291102135]
本稿では,モデルアーキテクチャの解釈可能性と信頼性,外挿を行うためのツールボックスを提案する。与えられたテストポイントでの予測に対する入力データの影響、モデル予測の不確実性の推定、およびモデル予測の不可知スコアを提供する。我々の研究は、物理学やより一般的には科学に適用されたMLにおける解釈可能性と信頼性の方法の体系的利用への道を開く。
論文参考訳（メタデータ） (2021-08-04T16:32:59Z)
Learning Uncertainty For Safety-Oriented Semantic Segmentation In Autonomous Driving [77.39239190539871]
自律運転における安全クリティカル画像セグメンテーションを実現するために、不確実性推定をどのように活用できるかを示す。相似性関数によって測定された不一致予測に基づく新しい不確実性尺度を導入する。本研究では,提案手法が競合手法よりも推論時間において計算集約性が低いことを示す。
論文参考訳（メタデータ） (2021-05-28T09:23:05Z)
Do Not Forget to Attend to Uncertainty while Mitigating Catastrophic Forgetting [29.196246255389664]
ディープラーニングモデルの大きな制限の1つは、漸進的な学習シナリオにおいて、破滅的な忘れに直面していることだ。ベイズ式を定式化して,不確実性をモデル化する。漸進的な学習問題に対処するために、自己認識フレームワークも組み込んでいます。
論文参考訳（メタデータ） (2021-02-03T06:54:52Z)
Approaching Neural Network Uncertainty Realism [53.308409014122816]
自動運転車などの安全クリティカルなシステムには、定量化または少なくとも上限の不確実性が不可欠です。マハラノビス距離に基づく統計的テストにより、厳しい品質基準である不確実性リアリズムを評価します。自動車分野に採用し、プレーンエンコーダデコーダモデルと比較して、不確実性リアリズムを大幅に改善することを示した。
論文参考訳（メタデータ） (2021-01-08T11:56:12Z)

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。