論文の概要: AutoTandemML: Active Learning Enhanced Tandem Neural Networks for Inverse Design Problems

• arxiv url: http://arxiv.org/abs/2502.15643v1
• Date: Fri, 21 Feb 2025 18:10:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-24 16:11:50.260211
• Title: AutoTandemML: Active Learning Enhanced Tandem Neural Networks for Inverse Design Problems
• Title（参考訳）: AutoTandemML: 逆設計問題のためのアクティブラーニング強化タンデムニューラルネットワーク
• Authors: Luka Grbcic, Juliane Müller, Wibe Albert de Jong,
• Abstract要約: 逆設計は、望ましいパフォーマンス結果を達成する最適設計パラメータを決定することを含む。 本稿では,タンデムニューラルネットワークとアクティブラーニングを組み合わせたハイブリッド手法を提案する。
• 参考スコア（独自算出の注目度）: 0.8646443773218541
• License:
• Abstract: Inverse design in science and engineering involves determining optimal design parameters that achieve desired performance outcomes, a process often hindered by the complexity and high dimensionality of design spaces, leading to significant computational costs. To tackle this challenge, we propose a novel hybrid approach that combines active learning with Tandem Neural Networks to enhance the efficiency and effectiveness of solving inverse design problems. Active learning allows to selectively sample the most informative data points, reducing the required dataset size without compromising accuracy. We investigate this approach using three benchmark problems: airfoil inverse design, photonic surface inverse design, and scalar boundary condition reconstruction in diffusion partial differential equations. We demonstrate that integrating active learning with Tandem Neural Networks outperforms standard approaches across the benchmark suite, achieving better accuracy with fewer training samples.
• Abstract（参考訳）: 科学と工学における逆設計は、望ましいパフォーマンスの成果を達成するための最適な設計パラメータを決定することを含み、設計空間の複雑さと高次元性によってしばしば妨げられ、かなりの計算コストをもたらす。 この課題に対処するために,タンデムニューラルネットワークとアクティブラーニングを組み合わせたハイブリッド手法を提案する。 アクティブな学習は、最も情報性の高いデータポイントを選択的にサンプリングすることができ、精度を損なうことなく、必要なデータセットサイズを削減できる。 本研究では, 空気翼逆設計, フォトニック表面逆設計, 拡散偏微分方程式におけるスカラー境界条件再構成の3つのベンチマーク問題を用いて, 本手法について検討する。 我々は、Tandem Neural Networksとアクティブラーニングを統合することで、ベンチマークスイート全体の標準アプローチよりも優れ、トレーニングサンプルが少ないことで精度が向上することを示した。

関連論文リスト

• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• Diffusion Generative Inverse Design [28.04683283070957]
  逆設計(英: inverse design)とは、目的関数の入力を最適化し、目的の結果を導出する問題を指す。 学習グラフニューラルネットワーク(GNN)の最近の進歩は、シミュレーション力学の正確で効率的で微分可能な推定に利用することができる。 本稿では, 分散拡散モデルを用いて, 逆設計問題の解法を効率的に行う方法を示し, より効率的な粒子サンプリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-05T08:32:07Z)
• A Multi-Head Ensemble Multi-Task Learning Approach for Dynamical Computation Offloading [62.34538208323411]
  共有バックボーンと複数の予測ヘッド(PH)を組み合わせたマルチヘッドマルチタスク学習(MEMTL)手法を提案する。 MEMTLは、追加のトレーニングデータを必要とせず、推測精度と平均平方誤差の両方でベンチマーク手法より優れている。
  論文  参考訳（メタデータ） (2023-09-02T11:01:16Z)
• End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
  本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。 我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
  論文  参考訳（メタデータ） (2023-05-25T10:58:46Z)
• Mixed Integer Neural Inverse Design [27.43272793942742]
  日常的なニューラルネットワークで非常に一般的なピースワイズ線形性は、混合整数線形プログラミングに基づく逆設計の定式化を可能にする。 我々の混合整数逆設計は、大域的最適あるいは近距離最適解を原則的に発見する。
  論文  参考訳（メタデータ） (2021-09-27T09:19:41Z)
• Adaptive Anomaly Detection for Internet of Things in Hierarchical Edge Computing: A Contextual-Bandit Approach [81.5261621619557]
  階層エッジコンピューティング(HEC)を用いた適応型異常検出手法を提案する。 まず,複雑性を増した複数のDNNモデルを構築し,それぞれを対応するHEC層に関連付ける。 そこで我々は、文脈帯域問題として定式化され、強化学習ポリシーネットワークを用いて解決される適応モデル選択スキームを設計する。
  論文  参考訳（メタデータ） (2021-08-09T08:45:47Z)
• An adaptive artificial neural network-based generative design method for layout designs [17.377351418260577]
  適応型人工ニューラルネットワークに基づく生成設計手法の提案と開発。 新しい適応学習と最適化戦略が提案され、設計空間を効果的に探索することができます。 2つの熱源レイアウト設計問題に対して,提案手法の性能を実証した。
  論文  参考訳（メタデータ） (2021-01-29T05:32:17Z)
• Optimization-driven Machine Learning for Intelligent Reflecting Surfaces Assisted Wireless Networks [82.33619654835348]
  インテリジェントサーフェス(IRS)は、個々の散乱素子の位相シフトを制御して無線チャネルを再形成するために用いられる。 散乱素子の規模が大きいため、受動ビームフォーミングは一般に高い計算複雑性によって挑戦される。 本稿では、IRS支援無線ネットワークの性能向上のための機械学習(ML)アプローチに焦点を当てる。
  論文  参考訳（メタデータ） (2020-08-29T08:39:43Z)

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。