論文の概要: Gaussian Process Surrogate Models for Efficient Estimation of Structural Response Distributions and Order Statistics

• arxiv url: http://arxiv.org/abs/2503.01242v1
• Date: Mon, 03 Mar 2025 07:12:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:14:18.842838
• Title: Gaussian Process Surrogate Models for Efficient Estimation of Structural Response Distributions and Order Statistics
• Title（参考訳）: 構造応答分布と順序統計の効率的な推定のためのガウス過程サロゲートモデル
• Authors: Vegard Flovik, Sebastian Winter, Christian Agrell,
• Abstract要約: 本稿では,限られたシミュレーション出力に基づいて訓練されたガウス過程(GP)シュロゲートモデルを用いて,構造応答分布を直接生成する手法を提案する。 その結果,GPサロゲートモデルでは,計算コストのごく一部で,シミュレーションに匹敵する結果が得られることがわかった。
• 参考スコア（独自算出の注目度）: 1.1470070927586016
• License:
• Abstract: Engineering disciplines often rely on extensive simulations to ensure that structures are designed to withstand harsh conditions while avoiding over-engineering for unlikely scenarios. Assessments such as Serviceability Limit State (SLS) involve evaluating weather events, including estimating loads not expected to be exceeded more than a specified number of times (e.g., 100) throughout the structure's design lifetime. Although physics-based simulations provide robust and detailed insights, they are computationally expensive, making it challenging to generate statistically valid representations of a wide range of weather conditions. To address these challenges, we propose an approach using Gaussian Process (GP) surrogate models trained on a limited set of simulation outputs to directly generate the structural response distribution. We apply this method to an SLS assessment for estimating the order statistics \(Y_{100}\), representing the 100th highest response, of a structure exposed to 25 years of historical weather observations. Our results indicate that the GP surrogate models provide comparable results to full simulations but at a fraction of the computational cost.
• Abstract（参考訳）: エンジニアリングの規律は、起こりうるシナリオの過度なエンジニアリングを回避しながら、厳しい状況に耐えられるよう構造が設計されていることを保証するために、広範囲なシミュレーションに依存することが多い。 サービスビリティ・リミット・ステート(SLS)のような評価では、構造物の設計期間を通じて特定の回数(例えば100回)を超える負荷を見積もることを含む、気象事象の評価にかかわる。 物理学に基づくシミュレーションは、堅牢で詳細な洞察を提供するが、計算コストが高く、幅広い気象条件の統計的に有効な表現を生成することは困難である。 これらの課題に対処するために,限定されたシミュレーション出力に基づいて訓練されたガウス過程(GP)シュロゲートモデルを用いて,構造応答分布を直接生成する手法を提案する。 本手法は,25年間の気象観測結果に照らされた構造物の100番目に高い応答量であるオーダー統計(Y_{100}\)を推定するためのSLS評価に適用する。 その結果,GPサロゲートモデルでは,計算コストのごく一部で,シミュレーションに匹敵する結果が得られることがわかった。

関連論文リスト

• On conditional diffusion models for PDE simulations [53.01911265639582]
  スパース観測の予測と同化のためのスコアベース拡散モデルについて検討した。 本稿では,予測性能を大幅に向上させる自動回帰サンプリング手法を提案する。 また,条件付きスコアベースモデルに対する新たなトレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2024-10-21T18:31:04Z)
• Constrained Posterior Sampling: Time Series Generation with Hard Constraints [21.48057675740321]
  時系列サンプルは、ストレステストモデルに不可欠であり、合成データを使用することでユーザのプライバシを保護する。 制約付き時系列を生成する既存のアプローチは、拡張性がないか、サンプルの品質が低下しているかのいずれかである。 本稿では,拡散に基づくサンプリングアルゴリズムであるConstrained Posterior Sampling (CPS)を導入する。 CPSは、実世界のストック、トラフィック、空気質のデータセットにおいて、サンプルの品質とリアルタイムシリーズとの類似性において、それぞれ10%と42%を上回ります。
  論文  参考訳（メタデータ） (2024-10-16T15:16:04Z)
• A probabilistic framework for learning non-intrusive corrections to long-time climate simulations from short-time training data [12.566163525039558]
  本稿では,カオスシステムの非侵襲的に解けない長期シミュレーションにニューラルネットワークモデルをトレーニングするための戦略を提案する。 トレーニングで見られるデータより30倍以上長い時間的地平線上での異方性統計を正確に予測する能力を示す。
  論文  参考訳（メタデータ） (2024-08-02T18:34:30Z)
• Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
  都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。 最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。 我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
  論文  参考訳（メタデータ） (2024-07-18T15:44:23Z)
• NAVSIM: Data-Driven Non-Reactive Autonomous Vehicle Simulation and Benchmarking [65.24988062003096]
  我々は,視覚に基づく運転ポリシーをベンチマークするフレームワークであるNAVSIMを提案する。 我々のシミュレーションは非反応性であり、評価された政策と環境は互いに影響を与えない。 NAVSIMはCVPR 2024で開催され、143チームが433のエントリーを提出し、いくつかの新たな洞察を得た。
  論文  参考訳（メタデータ） (2024-06-21T17:59:02Z)
• IncomeSCM: From tabular data set to time-series simulator and causal estimation benchmark [8.960138649105156]
  本稿では,観測データを逐次構造因果モデルに変換するための戦略を提案する。 IncomeSCMシミュレータを構築するために、これらのアイデアをよく知られた成人所得データセットに適用する。 タスクは適切な課題を示し、効果の見積もりはメソッド間で大きく異なる。
  論文  参考訳（メタデータ） (2024-05-25T05:40:16Z)
• Optimising Highly-Parallel Simulation-Based Verification of Cyber-Physical Systems [0.0]
  サイバー物理システム(CPS)は多くの産業関連領域で発生し、しばしばミッションクリティカルまたは安全クリティカルである。 CPSのシステムレベル検証(SLV)は、与えられた(例えば、安全か生きか)仕様が満たされているか、あるいはある価値を推定することを保証することを目的としている。
  論文  参考訳（メタデータ） (2023-07-28T08:08:27Z)
• Uncertainty-aware Remaining Useful Life predictor [57.74855412811814]
  有効寿命 (Remaining Useful Life, RUL) とは、特定の産業資産の運用期間を推定する問題である。 本研究では,Deep Gaussian Processes (DGPs) を,前述の制限に対する解決策と捉える。 アルゴリズムの性能はNASAの航空機エンジン用N-CMAPSSデータセットで評価される。
  論文  参考訳（メタデータ） (2021-04-08T08:50:44Z)
• Reinforcement Learning for Adaptive Mesh Refinement [63.7867809197671]
  マルコフ決定過程としてのAMRの新規な定式化を提案し,シミュレーションから直接改良政策を訓練するために深部強化学習を適用した。 これらのポリシーアーキテクチャのモデルサイズはメッシュサイズに依存しないため、任意に大きく複雑なシミュレーションにスケールします。
  論文  参考訳（メタデータ） (2021-03-01T22:55:48Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)
• Fast Bayesian Estimation of Spatial Count Data Models [0.0]
  シミュレーション問題ではなく最適化問題として変分ベイズ(VB)を導入する。 VB法は、観測されていないパラメータと空間依存性を持つ負二項モデルにおける後部推論のために導出される。 VBアプローチは、シミュレーションと経験的研究において、通常の8コアプロセッサ上でのMCMCの約45倍から50倍高速である。
  論文  参考訳（メタデータ） (2020-07-07T10:24:45Z)

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。