論文の概要: A Methodology to Identify Physical or Computational Experiment Conditions for Uncertainty Mitigation

• arxiv url: http://arxiv.org/abs/2405.13931v1
• Date: Wed, 22 May 2024 18:59:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-24 20:33:38.396574
• Title: A Methodology to Identify Physical or Computational Experiment Conditions for Uncertainty Mitigation
• Title（参考訳）: 不確実性軽減のための物理・計算実験条件の同定手法
• Authors: Efe Y. Yarbasi, Dimitri N. Mavris,
• Abstract要約: 本稿では,システムレベルの不確実性軽減を目的とした計算実験や物理実験を設計するための方法論を提案する。 提案手法は様々な設計課題にまたがって不確実性管理に取り組むのに十分な汎用性を有する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Complex engineering systems require integration of simulation of sub-systems and calculation of metrics to drive design decisions. This paper introduces a methodology for designing computational or physical experiments for system-level uncertainty mitigation purposes. The methodology follows a previously determined problem ontology, where physical, functional and modeling architectures are decided upon. By carrying out sensitivity analysis techniques utilizing system-level tools, critical epistemic uncertainties can be identified. Afterwards, a framework is introduced to design specific computational and physical experimentation for generating new knowledge about parameters, and for uncertainty mitigation. The methodology is demonstrated through a case study on an early-stage design Blended-Wing-Body (BWB) aircraft concept, showcasing how aerostructures analyses can be leveraged for mitigating system-level uncertainty, by computer experiments or guiding physical experimentation. The proposed methodology is versatile enough to tackle uncertainty management across various design challenges, highlighting the potential for more risk-informed design processes.
• Abstract（参考訳）: 複雑なエンジニアリングシステムは、設計決定を駆動するためにサブシステムのシミュレーションとメトリクスの計算を統合する必要がある。 本稿では,システムレベルの不確実性軽減を目的とした計算実験や物理実験を設計するための方法論を提案する。 この方法論は、物理的、機能的、モデリングのアーキテクチャが決定される前に決定された問題オントロジーに従っている。 システムレベルのツールを用いた感度解析技術を実行することにより、重要なてんかんの不確実性を特定することができる。 その後、パラメータに関する新しい知識を生成し、不確実性を軽減するために、特定の計算および物理実験を設計するためのフレームワークが導入された。 この手法は、初期の設計であるBlended-Wing-Body (BWB) の航空機コンセプトのケーススタディを通じて実証され、コンピュータ実験や物理実験の導出によるシステムレベルの不確実性を緩和するためにエアロ構造解析をどのように活用できるかを示している。 提案手法は様々な設計課題にまたがって不確実性管理に取り組むのに十分な汎用性があり、よりリスクに富んだ設計プロセスの可能性を強調している。

関連論文リスト

• Fast and Reliable Probabilistic Reflectometry Inversion with Prior-Amortized Neural Posterior Estimation [73.81105275628751]
  リフレクションメトリデータと互換性のある全ての構造を見つけることは、標準アルゴリズムでは計算が禁止される。 この信頼性の欠如に対処するため,確率論的深層学習法を用いて,現実的な構造を数秒で識別する。 提案手法は,シミュレーションに基づく推論と新しい適応型事前推定を併用する。
  論文  参考訳（メタデータ） (2024-07-26T10:29:16Z)
• Unified Uncertainty Estimation for Cognitive Diagnosis Models [70.46998436898205]
  本稿では,幅広い認知診断モデルに対する統一的不確実性推定手法を提案する。 診断パラメータの不確かさをデータ・アスペクトとモデル・アスペクトに分解する。 本手法は有効であり,認知診断の不確実性に関する有用な知見を提供することができる。
  論文  参考訳（メタデータ） (2024-03-09T13:48:20Z)
• Dynamic Decision Making in Engineering System Design: A Deep Q-Learning Approach [1.3812010983144802]
  本稿では,Deep Q-learningアルゴリズムを用いてエンジニアリングシステムの設計を最適化するフレームワークを提案する。 目的は、不確実性の複数のソースが与えられたシミュレーションモデルの出力を最大化するポリシーを見つけることである。 複数の不確実性が存在する場合の2つの工学系設計問題を解くことで,提案手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-12-28T06:11:34Z)
• Interpretable Meta-Learning of Physical Systems [4.343110120255532]
  最近のメタラーニング手法はブラックボックスニューラルネットワークに依存しており、計算コストが高く、解釈可能性も限られている。 我々は,学習課題に対するアフィン構造を持つ,より単純な学習モデルを用いて,マルチ環境の一般化を実現することができると論じる。 本稿では,物理系の最先端アルゴリズムと比較することにより,競合一般化性能と計算コストの低さを実証する。
  論文  参考訳（メタデータ） (2023-12-01T10:18:50Z)
• Towards a Systematic Approach for Smart Grid Hazard Analysis and Experiment Specification [0.09999629695552195]
  システム設計において、潜在的な損失とその根本原因を特定することが重要である。 複雑さのため、損失につながる可能性のある状況について推論することはできません。 これらの問題に対処するために,2つの相補的帰納的アプローチを有用に組み込む方法について述べる。
  論文  参考訳（メタデータ） (2023-09-14T11:49:13Z)
• A Robust Learning Methodology for Uncertainty-aware Scientific Machine Learning models [0.0]
  本研究は,SciMLの不確実性評価のための包括的方法論を提案する。 提案手法で考慮された不確実性は、理論と因果モデルがないこと、データの破損や不完全性への敏感さ、計算努力である。 この手法はケーススタディを通じて検証され、重合反応器用のソフトセンサーを開発した。
  論文  参考訳（メタデータ） (2022-09-05T10:56:58Z)
• GridWarm: Towards Practical Physics-Informed ML Design and Evaluation for Power Grid [0.08602553195689511]
  一般的な機械学習手法は、高価なトレーニング、非物理的ソリューション、限定的な解釈可能性に悩まされている。 本稿では,「MLモデルが物理的に意味のある方法でどのように予測を行うか」を評価する,物理的解釈可能性の新しい概念を定式化する。 このフレームワークにインスパイアされたこの論文は、MadIoTサイバー攻撃のための新しい緊急解析ウォームスターターであるGridWarmをさらに発展させた。
  論文  参考訳（メタデータ） (2022-05-07T15:54:33Z)
• Information-Theoretic Odometry Learning [83.36195426897768]
  生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。 提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
  論文  参考訳（メタデータ） (2022-03-11T02:37:35Z)
• An Extensible Benchmark Suite for Learning to Simulate Physical Systems [60.249111272844374]
  我々は、統一されたベンチマークと評価プロトコルへの一歩を踏み出すために、一連のベンチマーク問題を導入する。 本稿では,4つの物理系と,広く使用されている古典的時間ベースおよび代表的なデータ駆動手法のコレクションを提案する。
  論文  参考訳（メタデータ） (2021-08-09T17:39:09Z)
• Multi Agent System for Machine Learning Under Uncertainty in Cyber Physical Manufacturing System [78.60415450507706]
  近年の予測機械学習の進歩は、製造における様々なユースケースに応用されている。 ほとんどの研究は、それに関連する不確実性に対処することなく予測精度を最大化することに焦点を当てた。 本稿では,機械学習における不確実性の原因を特定し,不確実性下での機械学習システムの成功基準を確立する。
  論文  参考訳（メタデータ） (2021-07-28T10:28:05Z)
• Evaluating the Safety of Deep Reinforcement Learning Models using Semi-Formal Verification [81.32981236437395]
  本稿では,区間分析に基づく半形式的意思決定手法を提案する。 本手法は, 標準ベンチマークに比較して, 形式検証に対して比較結果を得る。 提案手法は, 意思決定モデルにおける安全性特性を効果的に評価することを可能にする。
  論文  参考訳（メタデータ） (2020-10-19T11:18:06Z)

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。