論文の概要: Reliability analysis for non-deterministic limit-states using stochastic emulators
- arxiv url: http://arxiv.org/abs/2412.13731v1
- Date: Wed, 18 Dec 2024 11:08:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-19 13:23:20.807876
- Title: Reliability analysis for non-deterministic limit-states using stochastic emulators
- Title（参考訳）: 確率エミュレータを用いた非決定論的極限状態の信頼性解析
- Authors: Anderson V. Pires, Maliki Moustapha, Stefano Marelli, Bruno Sudret,
- Abstract要約: 本稿では、モデルに対する信頼性解析を導入し、その典型的な計算コストを下げるために適切な代理モデルを用いて対処する。
具体的には、最近導入された一般化モデルとカオス拡張に焦点を当てる。
まず、閉形式解を持つ解析関数を用いて、エミュレータが正しい解に収束することを実証する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Reliability analysis is a sub-field of uncertainty quantification that assesses the probability of a system performing as intended under various uncertainties. Traditionally, this analysis relies on deterministic models, where experiments are repeatable, i.e., they produce consistent outputs for a given set of inputs. However, real-world systems often exhibit stochastic behavior, leading to non-repeatable outcomes. These so-called stochastic simulators produce different outputs each time the model is run, even with fixed inputs. This paper formally introduces reliability analysis for stochastic models and addresses it by using suitable surrogate models to lower its typically high computational cost. Specifically, we focus on the recently introduced generalized lambda models and stochastic polynomial chaos expansions. These emulators are designed to learn the inherent randomness of the simulator's response and enable efficient uncertainty quantification at a much lower cost than traditional Monte Carlo simulation. We validate our methodology through three case studies. First, using an analytical function with a closed-form solution, we demonstrate that the emulators converge to the correct solution. Second, we present results obtained from the surrogates using a toy example of a simply supported beam. Finally, we apply the emulators to perform reliability analysis on a realistic wind turbine case study, where only a dataset of simulation results is available.
- Abstract（参考訳）: 信頼性分析(Reliability analysis)は、様々な不確実性の下で実行されるシステムの確率を評価する不確実性定量化のサブフィールドである。
伝統的に、この分析は決定論的モデルに依存しており、実験は繰り返し可能である。
しかし、現実世界のシステムは確率的な振る舞いをしばしば示し、再現不可能な結果をもたらす。
これらのいわゆる確率シミュレータは、モデルの実行毎に異なる出力を生成する。
本稿では、確率モデルに対する信頼性解析を正式に導入し、その典型的な計算コストを下げるために適切な代理モデルを用いて対処する。
具体的には、最近導入された一般化ラムダモデルと確率多項式カオス拡張に焦点を当てる。
これらのエミュレータは、シミュレータの応答の固有のランダム性を学習し、従来のモンテカルロシミュレーションよりもはるかに低コストで効率的な不確実性定量化を可能にするように設計されている。
3つのケーススタディを通じて方法論を検証する。
まず、閉形式解を持つ解析関数を用いて、エミュレータが正しい解に収束することを実証する。
第2に, 簡易支持ビームの玩具例を用いてサロゲートから得られた結果について述べる。
最後に,シミュレーション結果のデータセットのみを利用できる現実的な風力タービンケーススタディの信頼性解析にエミュレータを適用した。
関連論文リスト
- Differentiable Calibration of Inexact Stochastic Simulation Models via Kernel Score Minimization [11.955062839855334]
そこで本研究では,勾配降下によるカーネルスコア最小化による出力レベルデータを用いて,シミュレーションモデルの異なる入力パラメータを学習する。
モデル不正確性を考慮した新しい正規化結果を用いて,学習した入力パラメータの不確かさを定量化する。
論文 参考訳（メタデータ） (2024-11-08T04:13:52Z) - Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。
本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。
提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
論文 参考訳（メタデータ） (2024-04-11T09:23:36Z) - On Least Square Estimation in Softmax Gating Mixture of Experts [78.3687645289918]
決定論的MoEモデルに基づく最小二乗推定器(LSE)の性能について検討する。
我々は,多種多様な専門家関数の収束挙動を特徴付けるために,強い識別可能性という条件を確立する。
本研究は,専門家の選択に重要な意味を持つ。
論文 参考訳（メタデータ） (2024-02-05T12:31:18Z) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳（メタデータ） (2022-12-12T15:06:32Z) - Nonparametric likelihood-free inference with Jensen-Shannon divergence
for simulator-based models with categorical output [1.4298334143083322]
シミュレータに基づく統計モデルに対する自由な推論は、機械学習と統計のコミュニティの両方において、関心の高まりを招いている。
本稿では、Jensen-Shannon- divergenceの計算特性を用いて、モデルパラメータに対する推定、仮説テスト、信頼区間の構築を可能にする理論的結果のセットを導出する。
このような近似はより集中的なアプローチの素早い代替手段であり、シミュレーターベースモデルの多種多様な応用には魅力的である。
論文 参考訳（メタデータ） (2022-05-22T18:00:13Z) - Nonparametric Conditional Local Independence Testing [69.31200003384122]
条件付き局所独立は、連続的な時間プロセス間の独立関係である。
条件付き地域独立の非パラメトリックテストは行われていない。
二重機械学習に基づく非パラメトリックテストを提案する。
論文 参考訳（メタデータ） (2022-03-25T10:31:02Z) - Robust Bayesian Inference for Simulator-based Models via the MMD
Posterior Bootstrap [13.448658162594604]
後部ブートストラップと最大平均誤差推定器に基づく新しいアルゴリズムを提案する。
これにより、強い性質を持つ高パラレライズ可能なベイズ推論アルゴリズムが導かれる。
このアプローチは、g-and-k分布やトグル・スウィッチモデルなど、さまざまな例に基づいて評価される。
論文 参考訳（メタデータ） (2022-02-09T22:12:19Z) - Transport away your problems: Calibrating stochastic simulations with
optimal transport [0.0]
我々は輸送理論からの手法を活用して「校正」シミュレータを構築する。
ニューラルネットワークを用いて、シミュレータによって生成された個々のサンプルに対する最小限の変更を計算します。
実験粒子物理学の文脈におけるその方法とその利点を解説する。
論文 参考訳（メタデータ） (2021-07-19T07:11:13Z) - Good Classifiers are Abundant in the Interpolating Regime [64.72044662855612]
補間分類器間のテストエラーの完全な分布を正確に計算する手法を開発した。
テストエラーは、最悪の補間モデルのテストエラーから大きく逸脱する、小さな典型的な$varepsilon*$に集中する傾向にある。
以上の結果から,統計的学習理論における通常の解析手法は,実際に観測された優れた一般化性能を捉えるのに十分な粒度にはならない可能性が示唆された。
論文 参考訳（メタデータ） (2020-06-22T21:12:31Z) - Efficiently Sampling Functions from Gaussian Process Posteriors [76.94808614373609]
高速後部サンプリングのための簡易かつ汎用的なアプローチを提案する。
分離されたサンプルパスがガウス過程の後部を通常のコストのごく一部で正確に表現する方法を実証する。
論文 参考訳（メタデータ） (2020-02-21T14:03:16Z) - DISCO: Double Likelihood-free Inference Stochastic Control [29.84276469617019]
確率自由推論のためのベイズ統計学における現代シミュレータのパワーと最近の技術を活用することを提案する。
シミュレーションパラメータの後方分布は、システムの潜在的非解析モデルによって伝播される。
実験により、制御器の提案により、古典的な制御やロボット工学のタスクにおいて、優れた性能と堅牢性が得られることが示された。
論文 参考訳（メタデータ） (2020-02-18T05:29:40Z)
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。