論文の概要: Functional PCA and Deep Neural Networks-based Bayesian Inverse Uncertainty Quantification with Transient Experimental Data

• arxiv url: http://arxiv.org/abs/2307.05592v1
• Date: Mon, 10 Jul 2023 18:07:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-13 16:07:50.597627
• Title: Functional PCA and Deep Neural Networks-based Bayesian Inverse Uncertainty Quantification with Transient Experimental Data
• Title（参考訳）: 過渡実験データを用いた機能的PCAとディープニューラルネットワークに基づくベイズ逆不確かさの定量化
• Authors: Ziyu Xie, Mahmoud Yaseen, Xu Wu
• Abstract要約: 逆UQは実験データに基づいてモデルの入力不確実性を逆定量化するプロセスである。 この研究は、機能主成分分析(PCA)とディープニューラルネットワーク(DNN)に基づくサロゲートモデルを用いて、時間依存応答のための逆UQプロセスの開発に焦点を当てる。
• 参考スコア（独自算出の注目度）: 1.6328866317851187
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inverse UQ is the process to inversely quantify the model input uncertainties based on experimental data. This work focuses on developing an inverse UQ process for time-dependent responses, using dimensionality reduction by functional principal component analysis (PCA) and deep neural network (DNN)-based surrogate models. The demonstration is based on the inverse UQ of TRACE physical model parameters using the FEBA transient experimental data. The measurement data is time-dependent peak cladding temperature (PCT). Since the quantity-of-interest (QoI) is time-dependent that corresponds to infinite-dimensional responses, PCA is used to reduce the QoI dimension while preserving the transient profile of the PCT, in order to make the inverse UQ process more efficient. However, conventional PCA applied directly to the PCT time series profiles can hardly represent the data precisely due to the sudden temperature drop at the time of quenching. As a result, a functional alignment method is used to separate the phase and amplitude information of the transient PCT profiles before dimensionality reduction. DNNs are then trained using PC scores from functional PCA to build surrogate models of TRACE in order to reduce the computational cost in Markov Chain Monte Carlo sampling. Bayesian neural networks are used to estimate the uncertainties of DNN surrogate model predictions. In this study, we compared four different inverse UQ processes with different dimensionality reduction methods and surrogate models. The proposed approach shows an improvement in reducing the dimension of the TRACE transient simulations, and the forward propagation of inverse UQ results has a better agreement with the experimental data.
• Abstract（参考訳）: 逆UQは実験データに基づいてモデルの入力不確実性を逆定量化するプロセスである。 本研究は,機能主成分分析(PCA)とディープニューラルネットワーク(DNN)に基づく代理モデルを用いた,時間依存応答のための逆UQプロセスの開発に焦点を当てる。 この実験は、FEBA過渡実験データを用いたTRACE物理モデルパラメータの逆UQに基づいている。 測定データは、時間依存ピーククラディング温度(PCT)である。 興味の量(QoI)は無限次元応答に対応する時間依存であるため、PCAはPCTの過渡プロファイルを保持しながらQoI次元を減少させ、逆UQプロセスをより効率的にする。 しかし,PCTの時系列プロファイルに直接適用される従来のPCAでは,焼成時の急激な温度低下のため,正確にはデータの表現ができない。 その結果, 関数アライメント法を用いて過渡的pctプロファイルの位相情報と振幅情報を次元減少前に分離する。 DNNは、Markov Chain Monte Carloサンプリングの計算コストを削減するために、機能的PCAのPCスコアを使用してTRACEのサロゲートモデルを構築する。 ベイズニューラルネットワークは、DNN代理モデル予測の不確かさを推定するために用いられる。 本研究では,異なる次元還元法と代理モデルを用いた4種類の逆UQプロセスを比較した。 提案手法は, TRACE 過渡シミュレーションの次元を削減し, 逆UQ 結果の前方伝播が実験データとよりよく一致することを示す。

関連論文リスト

• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• Online Variational Sequential Monte Carlo [49.97673761305336]
  我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。 オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
  論文  参考訳（メタデータ） (2023-12-19T21:45:38Z)
• DiffusionPCR: Diffusion Models for Robust Multi-Step Point Cloud Registration [73.37538551605712]
  ポイントクラウド登録(PCR)は、2つのポイントクラウド間の相対的な厳密な変換を推定する。 本稿では, PCR を拡散確率過程として定式化し, ノイズ変換を基礎的真理にマッピングする。 実験ではDiffusionPCRの有効性を示し,3Dおよび3DLoMatchに対する最先端の登録リコール率(95.3%/81.6%)を得た。
  論文  参考訳（メタデータ） (2023-12-05T18:59:41Z)
• Transform Once: Efficient Operator Learning in Frequency Domain [69.74509540521397]
  本研究では、周波数領域の構造を利用して、空間や時間における長距離相関を効率的に学習するために設計されたディープニューラルネットワークについて検討する。 この研究は、単一変換による周波数領域学習のための青写真を導入している。
  論文  参考訳（メタデータ） (2022-11-26T01:56:05Z)
• Deep learning based sferics recognition for AMT data processing in the dead band [5.683853455697258]
  AMT (Audio magnetotellurics) 音波データ処理では、ある時間帯における干渉信号の欠如は、一般的にATTデッドバンドのエネルギー不足をもたらす。 本稿では,長期にわたって冗長に記録されたデータからスフェリック信号を自動的に認識するディープ畳み込みニューラルネットワーク(CNN)を提案する。 本手法はS/Nを大幅に改善し, デッドバンドのエネルギー不足を効果的に解決する。
  論文  参考訳（メタデータ） (2022-09-22T02:31:28Z)
• Decision SincNet: Neurocognitive models of decision making that predict cognitive processes from neural signals [0.0]
  我々は、脳波信号を用いてDrift-Diffusionモデルに適合するように、SincNetベースの浅層ニューラルネットワークアーキテクチャを適用した。 ドリフトとバウンダリの単回評価は、トレーニングおよびテストデータセットの中央値推定よりもRTの予測に優れていた。
  論文  参考訳（メタデータ） (2022-08-04T18:51:29Z)
• Emulating Spatio-Temporal Realizations of Three-Dimensional Isotropic Turbulence via Deep Sequence Learning Models [24.025975236316842]
  最先端のディープラーニング技術を用いて3次元乱流をモデル化するために,データ駆動方式を用いる。 モデルの精度は、統計および物理に基づくメトリクスを用いて評価される。
  論文  参考訳（メタデータ） (2021-12-07T03:33:39Z)
• Convolutional generative adversarial imputation networks for spatio-temporal missing data in storm surge simulations [86.5302150777089]
  GAN(Generative Adversarial Imputation Nets)とGANベースの技術は、教師なし機械学習手法として注目されている。 提案手法を Con Conval Generative Adversarial Imputation Nets (Conv-GAIN) と呼ぶ。
  論文  参考訳（メタデータ） (2021-11-03T03:50:48Z)
• Training Feedback Spiking Neural Networks by Implicit Differentiation on the Equilibrium State [66.2457134675891]
  スパイキングニューラルネットワーク(英: Spiking Neural Network、SNN)は、ニューロモルフィックハードウェア上でエネルギー効率の高い実装を可能にする脳にインスパイアされたモデルである。 既存のほとんどの手法は、人工ニューラルネットワークのバックプロパゲーションフレームワークとフィードフォワードアーキテクチャを模倣している。 本稿では,フォワード計算の正逆性に依存しない新しいトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2021-09-29T07:46:54Z)
• Supervised Learning and the Finite-Temperature String Method for Computing Committor Functions and Reaction Rates [0.0]
  希少事象の計算研究における中心的な対象はコミッタ関数である。 アルゴリズムの精度を改善するために追加の修正が必要であることを示す。
  論文  参考訳（メタデータ） (2021-07-28T17:44:00Z)
• Estimation of the Mean Function of Functional Data via Deep Neural Networks [6.230751621285321]
  関数データに対して非パラメトリック回帰を行うディープニューラルネットワーク手法を提案する。 本手法は,アルツハイマー病患者における陽電子放出トモグラフィ画像の解析に用いる。
  論文  参考訳（メタデータ） (2020-12-08T17:18:16Z)

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。