論文の概要: Novel models for fatigue life prediction under wideband random loads
based on machine learning
- arxiv url: http://arxiv.org/abs/2311.07114v1
- Date: Mon, 13 Nov 2023 07:09:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-14 15:28:01.214924
- Title: Novel models for fatigue life prediction under wideband random loads
based on machine learning
- Title(参考訳): 機械学習に基づく広帯域ランダム負荷下での疲労寿命予測の新しいモデル
- Authors: Hong Sun, Yuanying Qiu, Jing Li, Jin Bai, Ming Peng
- Abstract要約: 広帯域疲労寿命予測のための3つのモデルが3つの機械学習モデルに基づいて構築されている。
新たに開発された機械学習モデルは、寿命予測精度の点で従来の周波数領域モデルよりも優れている。
- 参考スコア(独自算出の注目度): 5.512561721249864
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine learning as a data-driven solution has been widely applied in the
field of fatigue lifetime prediction. In this paper, three models for wideband
fatigue life prediction are built based on three machine learning models, i.e.
support vector machine (SVM), Gaussian process regression (GPR) and artificial
neural network (ANN). The generalization ability of the models is enhanced by
employing numerous power spectra samples with different bandwidth parameters
and a variety of material properties related to fatigue life. Sufficient Monte
Carlo numerical simulations demonstrate that the newly developed machine
learning models are superior to the traditional frequency-domain models in
terms of life prediction accuracy and the ANN model has the best overall
performance among the three developed machine learning models.
- Abstract(参考訳): データ駆動ソリューションとしての機械学習は、疲労寿命予測の分野で広く適用されている。
本稿では,3つの機械学習モデル,すなわち,サポートベクターマシン(svm),ガウス過程回帰(gpr),ニューラルネットワーク(ann)に基づいて,広帯域疲労寿命予測のための3つのモデルを構築した。
帯域幅パラメータの異なる多数のパワースペクトルサンプルと疲労寿命に関連するさまざまな材料特性を用いて、モデルの一般化能力を高める。
モンテカルロ数値シミュレーションにより、新たに開発された機械学習モデルは、寿命予測精度の点で従来の周波数領域モデルよりも優れており、3つの開発した機械学習モデルの中で、annモデルが最も優れた性能を持つことが示された。
関連論文リスト
- Generative Learning of Continuous Data by Tensor Networks [47.77281294161002]
本稿では,連続データのためのテンソルネットワーク生成モデルについて紹介する。
我々は、このモデルの性能を、いくつかの合成および実世界のデータセットでベンチマークする。
本手法は, 急速に成長する生成学習分野において, 量子インスピレーション法の有効性を示す重要な理論的, 実証的な証拠を与える。
論文 参考訳(メタデータ) (2023-10-31T14:37:37Z) - Representer Point Selection for Explaining Regularized High-dimensional
Models [105.75758452952357]
本稿では,高次元表現器と呼ぶサンプルベース説明のクラスを紹介する。
私たちのワークホースは、一般化された高次元モデルに対する新しい代表者定理である。
提案手法の実証的性能について,実世界の2進分類データセットと2つの推薦システムデータセットを用いて検討した。
論文 参考訳(メタデータ) (2023-05-31T16:23:58Z) - EAMDrift: An interpretable self retrain model for time series [0.0]
EAMDrift(EAMDrift)は、複数の個人予測器から予測を合成し、性能指標に従って予測を重み付けする新しい手法である。
EAMDriftはデータのアウト・オブ・ディストリビューションパターンに自動的に適応し、各瞬間に使用する最も適切なモデルを特定するように設計されている。
本研究は,EAMDriftが個々のベースラインモデルより20%優れ,非解釈可能なアンサンブルモデルに匹敵する精度が得られることを示す。
論文 参考訳(メタデータ) (2023-05-31T13:25:26Z) - p$^3$VAE: a physics-integrated generative model. Application to the
pixel-wise classification of airborne hyperspectral images [0.6849746341453253]
物理モデルを統合する生成モデル p$3$VAE を導入する。
航空機搭載ハイパースペクトル画像の画素ワイド分類に3$VAEを適用した。
論文 参考訳(メタデータ) (2022-10-19T09:32:15Z) - On the Generalization and Adaption Performance of Causal Models [99.64022680811281]
異なる因果発見は、データ生成プロセスを一連のモジュールに分解するために提案されている。
このようなモジュラニューラル因果モデルの一般化と適応性能について検討する。
我々の分析では、モジュラーニューラル因果モデルが、低データレギュレーションにおけるゼロおよび少数ショットの適応において、他のモデルよりも優れていることを示している。
論文 参考訳(メタデータ) (2022-06-09T17:12:32Z) - Tensor networks for unsupervised machine learning [9.897828174118974]
本稿では,量子多体物理学の行列状態と機械学習の自己回帰モデルを組み合わせたテンソルネットワークモデルであるAutoregressive Matrix Product States(AMPS)を提案する。
提案手法は,既存のテンソルネットワークモデルや制限されたボルツマンマシンよりも優れていることを示す。
論文 参考訳(メタデータ) (2021-06-24T12:51:00Z) - Anomaly Detection of Time Series with Smoothness-Inducing Sequential
Variational Auto-Encoder [59.69303945834122]
Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。
我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。
合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
論文 参考訳(メタデータ) (2021-02-02T06:15:15Z) - A Log-likelihood Regularized KL Divergence for Video Prediction with A
3D Convolutional Variational Recurrent Network [17.91970304953206]
フレーム予測のタスクに対して,リカレントネットワークを2つの方法で拡張する新しい変分モデルを提案する。
まず、将来の予測フレームのリカレントモデル、シーケンス入力、各時間ステップでの映像フレーム出力を含む全モジュールに3次元畳み込みを導入する。
第2に,変分モデルで一般的に用いられるklに加えて,最大確率推定を導入することにより,変分モデルの潜在損失予測を強化する。
論文 参考訳(メタデータ) (2020-12-11T05:05:31Z) - Trajectory-wise Multiple Choice Learning for Dynamics Generalization in
Reinforcement Learning [137.39196753245105]
本稿では,動的一般化のためのマルチヘッドダイナミックスモデルを学習するモデルベース強化学習アルゴリズムを提案する。
文脈学習は,過去の経験から得られる動的情報からコンテキスト潜在ベクトルにエンコードする。
提案手法は,最先端のRL法と比較して,様々な制御タスクにおいて優れたゼロショット一般化性能を示す。
論文 参考訳(メタデータ) (2020-10-26T03:20:42Z) - 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) - A machine learning based plasticity model using proper orthogonal
decomposition [0.0]
データ駆動の物質モデルは、古典的な数値的アプローチよりも多くの利点がある。
データ駆動型マテリアルモデルを開発する1つのアプローチは、機械学習ツールを使用することである。
弾性と塑性の両面において,機械学習に基づく材料モデリングフレームワークを提案する。
論文 参考訳(メタデータ) (2020-01-07T15:46:16Z)
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。