論文の概要: Broadband Ground Motion Synthesis via Generative Adversarial Neural
Operators: Development and Validation
- arxiv url: http://arxiv.org/abs/2309.03447v1
- Date: Thu, 7 Sep 2023 02:08:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-08 14:28:57.589645
- Title: Broadband Ground Motion Synthesis via Generative Adversarial Neural
Operators: Development and Validation
- Title（参考訳）: 生成型adversarial neural operatorsによる広帯域動画像合成:開発と検証
- Authors: Yaozhong Shi, Grigorios Lavrentiadis, Domniki Asimaki, Zachary E.
Ross, Kamyar Azizzadenesheli
- Abstract要約: GANO(Generative Adversarial Neural Operator)を用いた地動合成のためのデータ駆動モデルを提案する。
我々は、モデルトレーニングがデータサンプリング周波数に依存しないことを保証する、分解能不変アーキテクチャであるNeural Operatorsを使用している。
提案フレームワークの応用例としては、サイト固有のエンジニアリングアプリケーションのためのリスク対象地動の生成がある。
- 参考スコア（独自算出の注目度）: 12.275587079383603
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a data-driven model for ground-motion synthesis using a Generative
Adversarial Neural Operator (GANO) that combines recent advancements in machine
learning and open access strong motion data sets to generate three-component
acceleration time histories conditioned on moment magnitude ($M$), rupture
distance ($R_{rup}$), time-average shear-wave velocity at the top $30m$
($V_{S30}$), and tectonic environment or style of faulting. We use Neural
Operators, a resolution invariant architecture that guarantees that the model
training is independent of the data sampling frequency. We first present the
conditional ground-motion synthesis algorithm (referred to heretofore as
cGM-GANO) and discuss its advantages compared to previous work. Next, we verify
the cGM-GANO framework using simulated ground motions generated with the
Southern California Earthquake Center (SCEC) Broadband Platform (BBP). We
lastly train cGM-GANO on a KiK-net dataset from Japan, showing that the
framework can recover the magnitude, distance, and $V_{S30}$ scaling of Fourier
amplitude and pseudo-spectral accelerations. We evaluate cGM-GANO through
residual analysis with the empirical dataset as well as by comparison with
conventional Ground Motion Models (GMMs) for selected ground motion scenarios.
Results show that cGM-GANO produces consistent median scaling with the GMMs for
the corresponding tectonic environments. The largest misfit is observed at
short distances due to the scarcity of training data. With the exception of
short distances, the aleatory variability of the response spectral ordinates is
also well captured, especially for subduction events due to the adequacy of
training data. Applications of the presented framework include generation of
risk-targeted ground motions for site-specific engineering applications.
- Abstract（参考訳）: 本稿では,GANO(Generative Adversarial Neural Operator)を用いた地動合成のためのデータ駆動モデルを提案する。このモデルでは,機械学習の最近の進歩とオープンアクセスの強い動きデータセットを組み合わせて,モーメントマグニチュード(M$),破断距離(R_{rup}$),最大30mの時間平均せん断波速度(V_{S30}$),テクトニック環境や断層のスタイルを条件とした3成分加速度時間ヒストリーを生成する。
モデルトレーニングがデータサンプリング周波数に依存しないことを保証する、分解能不変量アーキテクチャであるneural operatorsを使用する。
まず, 条件付きグラウンドモーション合成アルゴリズム(従来はcGM-GANOと呼ばれていた)について述べる。
次に,南カリフォルニア地震センター(SCEC)ブロードバンド・プラットフォーム(BBP)で発生する地動シミュレーションを用いて,cGM-GANOフレームワークを検証する。
最後に、日本のKK-netデータセット上でcGM-GANOをトレーニングし、このフレームワークがフーリエ振幅と擬スペクトル加速度のスケール、距離、および$V_{S30}$を回復可能であることを示す。
実験データを用いた残差解析と,選択した地動シナリオに対する従来の地動モデル(GMM)との比較により,cGM-GANOの評価を行った。
その結果,cGM-GANOは,対応するテクトニクス環境のGMMと一貫した中央値のスケーリングを実現することがわかった。
最大のミスフィットは、トレーニングデータの不足により、短距離で観測される。
短距離の例外を除いて、応答スペクトル順序の摂動変動性は、特にトレーニングデータの適切さによる沈み込みイベントに関してもよく理解されている。
提案フレームワークの応用には、サイト固有のエンジニアリングアプリケーションのためのリスク対象地動の生成が含まれる。
関連論文リスト
- High Resolution Seismic Waveform Generation using Denoising Diffusion [3.5046784866523932]
本研究では, 高周波波形生成のための新しい, 効率的, スケーラブルな生成モデルを提案する。
地震波形データのスペクトログラム表現を、オートエンコーダを介して低次元のサブ多様体に還元する。
最先端拡散モデルを用いて、キー入力パラメータを条件に、この潜伏表現を生成する。
論文 参考訳（メタデータ） (2024-10-25T07:01:48Z) - Spatial-Temporal Bearing Fault Detection Using Graph Attention Networks and LSTM [0.7864304771129751]
本稿では,グラフ注意ネットワーク(GAT)とLong Short-Term Memory(LSTM)ネットワークを組み合わせた新しい手法を提案する。
このアプローチは、センサデータ内の空間的および時間的依存関係を捕捉し、軸受故障検出の精度を向上させる。
論文 参考訳（メタデータ） (2024-10-15T12:55:57Z) - DyG-Mamba: Continuous State Space Modeling on Dynamic Graphs [59.434893231950205]
動的グラフ学習は、現実世界のシステムにおける進化の法則を明らかにすることを目的としている。
動的グラフ学習のための新しい連続状態空間モデルDyG-Mambaを提案する。
我々はDyG-Mambaがほとんどのデータセットで最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2024-08-13T15:21:46Z) - cDVGAN: One Flexible Model for Multi-class Gravitational Wave Signal and Glitch Generation [0.7853804618032806]
本稿では,複数の時間領域観測のクラスをシミュレートする手法として,ジェネレーティブ・アドリアック・ネットワーク・フレームワークに新しい条件モデルを提案する。
提案したcDVGANは,3つのクラスの特徴を再現する4種類のベースラインGANモデルより優れている。
実験の結果,cDVGAN生成データによる畳み込みニューラルネットワークのトレーニングにより,検出器ノイズに埋め込まれたサンプルの検出が向上することがわかった。
論文 参考訳（メタデータ） (2024-01-29T17:59:26Z) - Convolutional Monge Mapping Normalization for learning on sleep data [63.22081662149488]
我々は、CMMN(Convolutional Monge Mapping Normalization)と呼ばれる新しい手法を提案する。
CMMNは、そのパワースペクトル密度(PSD)をトレーニングデータに基づいて推定されるワッサーシュタインバリセンタに適応させるために、信号をフィルタリングする。
睡眠脳波データに関する数値実験により、CMMNはニューラルネットワークアーキテクチャから独立して、顕著で一貫したパフォーマンス向上をもたらすことが示された。
論文 参考訳（メタデータ） (2023-05-30T08:24:01Z) - Automated classification of pre-defined movement patterns: A comparison
between GNSS and UWB technology [55.41644538483948]
リアルタイム位置情報システム(RTLS)は、人間の動きパターンからデータを収集することができる。
本研究の目的は、小さな領域における人間の動きパターンを分類する自動化された枠組みを設計し、評価することである。
論文 参考訳（メタデータ） (2023-03-10T14:46:42Z) - Decision Forest Based EMG Signal Classification with Low Volume Dataset
Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。
信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文 参考訳（メタデータ） (2022-06-29T23:22:18Z) - Score-based Generative Modeling in Latent Space [93.8985523558869]
スコアベース生成モデル(SGM)は,最近,サンプル品質と分布範囲の両面で顕著な結果を示した。
本稿では,Latent Score-based Generative Model (LSGM)を提案する。
データから潜在空間への移動により、より表現力のある生成モデルをトレーニングし、非連続データにSGMを適用し、よりスムーズなSGMをより小さな空間で学習することができる。
論文 参考訳（メタデータ） (2021-06-10T17:26:35Z) - Data-driven Accelerogram Synthesis using Deep Generative Models [0.0]
我々は、GAN(Generative Adversarial Networks)の最近の進歩を活用して、地震加速時間履歴の新しい枠組みを開発する。
我々のアプローチは、連続的な物理変数の集合上で条件付けられた基底運動の生成を可能にするために、ワッサーシュタイン GAN の定式化を拡張している。
学習したジェネレータモデルは, 大きさ, 距離, および$V_s30$で条件付きリアルな3成分加速度図を合成可能であることを示す。
論文 参考訳（メタデータ） (2020-11-18T02:12:14Z) - Conditioning Trick for Training Stable GANs [70.15099665710336]
本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。
我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
論文 参考訳（メタデータ） (2020-10-12T16:50:22Z) - Greenhouse Gas Emission Prediction on Road Network using Deep Sequence
Learning [4.814071726181215]
本稿では,従来の時間ステップの速度,密度,GHG ERなど,最も代表的な予測値に基づいて,リンクレベルのGHG排出率(ER)を予測するためのディープラーニングフレームワークを開発する。
トロント中心街の道路網はケーススタディとして利用され,キャリブレーションされた交通マイクロシミュレーションとMOVESを用いて詳細なデータを合成する。
論文 参考訳（メタデータ） (2020-04-16T14:25:32Z)
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。