論文の概要: Towards an active-learning approach to resource allocation for population-based damage prognosis
- arxiv url: http://arxiv.org/abs/2409.18572v1
- Date: Fri, 27 Sep 2024 09:15:44 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-01 21:55:30.153390
- Title: Towards an active-learning approach to resource allocation for population-based damage prognosis
- Title（参考訳）: 人口被害予後のための資源配分へのアクティブラーニングアプローチに向けて
- Authors: George Tsialiamanis, Keith Worden, Nikolaos Dervilis, Aidan J Hughes,
- Abstract要約: 損傷予後は、構造的健康モニタリング(SHM)の最も難しい課題の1つである。
損傷予後の一般的な問題に対処するために,本研究では,集団ベースのSHMアプローチが採用されている。
予後問題は、過去の構造からのデータを活用して、現在劣化している構造に関するより正確な推測を行う情報共有問題であると考えられている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Damage prognosis is, arguably, one of the most difficult tasks of structural health monitoring (SHM). To address common problems of damage prognosis, a population-based SHM (PBSHM) approach is adopted in the current work. In this approach the prognosis problem is considered as an information-sharing problem where data from past structures are exploited to make more accurate inferences regarding currently-degrading structures. For a given population, there may exist restrictions on the resources available to conduct monitoring; thus, the current work studies the problem of allocating such resources within a population of degrading structures with a view to maximising the damage-prognosis accuracy. The challenges of the current framework are mainly associated with the inference of outliers on the level of damage evolution, given partial data from the damage-evolution phenomenon. The current approach considers an initial population of structures for which damage evolution is extensively observed. Subsequently, a second population of structures with evolving damage is considered for which two monitoring systems are available, a low-availability and high-fidelity (low-uncertainty) one, and a widely-available and low-fidelity (high-uncertainty) one. The task of the current work is to follow an active-learning approach to identify the structures to which the high-fidelity system should be assigned in order to enhance the predictive capabilities of the machine-learning model throughout the population.
- Abstract（参考訳）: 損傷予後は、構造的健康モニタリング(SHM)の最も難しい課題の1つである。
損傷予後の一般的な問題に対処するため,本研究では人口ベースSHM(PBSHM)アプローチが採用されている。
このアプローチでは,過去の構造からのデータを活用して,現在劣化している構造に関するより正確な推測を行う情報共有問題として,予後問題を考察する。
特定の人口に対しては、監視を行うのに利用可能な資源に制限がある可能性があるため、現在の研究は、損傷確率の精度を最大化するために、劣化する構造物の集団内でそのような資源を割り当てる問題を研究している。
現在の枠組みの課題は、主に損傷進化現象からの部分的なデータを考えると、損傷進化のレベルにおける外れ値の推測に関係している。
現在のアプローチでは、損傷の進化が広範囲に観察される構造の初期集団を考慮に入れている。
その後,2つの監視システム,低可用性と高不確実性(低不確実性)と高不確実性(高不確実性)の2つが利用可能であると考えられる。
本研究の課題は、人口全体にわたって機械学習モデルの予測能力を高めるために、高忠実度システムが割り当てられるべき構造を特定するために、アクティブラーニングアプローチに従うことである。
関連論文リスト
- On Catastrophic Inheritance of Large Foundation Models [51.41727422011327]
大ファンデーションモデル(LFM)は素晴らしいパフォーマンスを誇示している。しかし、彼らの神話的および解釈されていないポテンシャルについて大きな懸念が持ち上がっている。
我々は, LFMに深く根ざした「破滅的継承」という, 無視された問題を特定することを提案する。
この問題の背景にある課題を議論し、事前学習と下流適応の両方からLFMの破滅的な継承を理解するためのフレームワークであるUIMを提案する。
論文 参考訳（メタデータ） (2024-02-02T21:21:55Z) - Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。
提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。
複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
論文 参考訳（メタデータ） (2023-06-09T08:30:51Z) - Towards risk-informed PBSHM: Populations as hierarchical systems [0.0]
本稿では、リスクベースの意思決定プロセスがそれらの内部で特定されるように、構造群を形式的に表現する。
人口ベース表現は、断層木を定義する確率論的リスクベースの決定枠組みの中で使用される構造の階層的表現の拡張である。
論文 参考訳（メタデータ） (2023-03-13T15:42:50Z) - Safe AI for health and beyond -- Monitoring to transform a health
service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。
モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文 参考訳（メタデータ） (2023-03-02T17:27:45Z) - On an Application of Generative Adversarial Networks on Remaining
Lifetime Estimation [0.0]
構造物の損傷進展を予測するために, 生成モデルを提案する。
このモデルは、損傷された構造の過去の多くの状態を考慮することができ、モデリングプロセスに不確実性を組み込んで、潜在的な損傷進化結果を生成することができる。
このアルゴリズムは、シミュレーションされた損傷進化の例でテストされ、その結果、集団内の構造物の残りの有用な寿命について、極めて確実な予測が可能であることが明らかになった。
論文 参考訳（メタデータ） (2022-08-18T06:54:41Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - CycleGAN for Undamaged-to-Damaged Domain Translation for Structural
Health Monitoring and Damage Detection [0.618778092044887]
現在使用されているAIベースの損傷診断と予後診断のためのデータ駆動手法は、その構造の歴史的データを中心にしている。
本研究では,GAN(Generative Adversarial Networks, GAN, Cycle-Consistent Wasserstein Deep Convolutional GAN with Gradient Penalty (CycleWDCGAN-GP)モデルを用いた。
本研究の結果から, 本モデルでは, 将来的な損傷条件に対する構造の将来的な応答を正確に生成できることが示唆された。
論文 参考訳（メタデータ） (2022-02-16T02:31:38Z) - Interpretability in Convolutional Neural Networks for Building Damage
Classification in Satellite Imagery [0.0]
我々は、プレサスタ衛星画像とポストサスタ衛星画像とをラベル付けしたデータセットを使用して、建物ごとの損傷を評価する。
複数の畳み込みニューラルネットワーク(CNN)をトレーニングし、建物ごとの損傷を評価する。
我々の研究は、人為的気候変動による人道的危機の進行に、計算的に貢献することを目指している。
論文 参考訳（メタデータ） (2022-01-24T16:55:56Z) - Improving healthcare access management by predicting patient no-show
behaviour [0.0]
本研究は,参加を促す戦略の実装を支援するため,DSS(Decision Support System)を開発する。
回帰モデルの精度を向上させるために,異なる機械学習手法の有効性を評価する。
過去の研究で報告された関係の定量化に加えて、収入と近隣の犯罪統計はノーショー確率に影響を与えることが判明した。
論文 参考訳（メタデータ） (2020-12-10T14:57:25Z) - Accurate and Robust Feature Importance Estimation under Distribution
Shifts [49.58991359544005]
PRoFILEは、新しい特徴重要度推定法である。
忠実さと頑健さの両面で、最先端のアプローチよりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2020-09-30T05:29:01Z) - Graph Backdoor [53.70971502299977]
GTAはグラフニューラルネットワーク(GNN)に対する最初のバックドア攻撃である。
GTAは、トポロジカル構造と記述的特徴の両方を含む特定の部分グラフとしてトリガーを定義する。
トランスダクティブ(ノード分類など)とインダクティブ(グラフ分類など)の両方のタスクに対してインスタンス化することができる。
論文 参考訳（メタデータ） (2020-06-21T19:45:30Z)
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。