論文の概要: Investigating the effect of CPT in lateral spreading prediction using Explainable AI

• arxiv url: http://arxiv.org/abs/2503.13389v1
• Date: Mon, 17 Mar 2025 17:22:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 12:27:53.516845
• Title: Investigating the effect of CPT in lateral spreading prediction using Explainable AI
• Title（参考訳）: 説明可能なAIを用いた側方拡散予測におけるCPTの効果の検討
• Authors: Cheng-Hsi Hsiao, Ellen Rathje, Krishna Kumar,
• Abstract要約: 土壌挙動型指数 (Ic) と正規化コーン抵抗 (qc1Ncs) の200個のCPTプロファイルを10個の潜伏特性に圧縮するために, オートエンコーダを用いた。 次に,2011年クライストチャーチ地震における横方向の拡散現象を予測するために,抽出した潜伏特性を用いてXGBoostモデルを訓練する。 潜在CPTを用いたモデルは、従来のCPTメトリクスやCPTデータがないモデルよりも優れており、精度は83%以上である。
• 参考スコア（独自算出の注目度）: 1.6221957454728797
• License:
• Abstract: This study proposes an autoencoder approach to extract latent features from cone penetration test profiles to evaluate the potential of incorporating CPT data in an AI model. We employ autoencoders to compress 200 CPT profiles of soil behavior type index (Ic) and normalized cone resistance (qc1Ncs) into ten latent features while preserving critical information. We then utilize the extracted latent features with site parameters to train XGBoost models for predicting lateral spreading occurrences in the 2011 Christchurch earthquake. Models using the latent CPT features outperformed models with conventional CPT metrics or no CPT data, achieving over 83% accuracy. Explainable AI revealed the most crucial latent feature corresponding to soil behavior between 1-3 meter depths, highlighting this depth range's criticality for liquefaction evaluation. The autoencoder approach provides an automated technique for condensing CPT profiles into informative latent features for machine-learning liquefaction models.
• Abstract（参考訳）: 本研究では,AIモデルにCPTデータを導入する可能性を評価するために,コーン浸透試験プロファイルから潜伏特徴を抽出するオートエンコーダ手法を提案する。 土壌挙動型指数 (Ic) と正規化コーン抵抗 (qc1Ncs) の200個のCPTプロファイルを, 臨界情報を保存しながら10個の潜在特徴に圧縮するために, オートエンコーダを用いた。 次に,2011年クライストチャーチ地震における横方向の拡散現象の予測に,サイトパラメータを用いてXGBoostモデルを訓練した。 潜在CPTを用いたモデルは、従来のCPTメトリクスやCPTデータを持たないモデルよりも優れており、精度は83%以上である。 説明可能なAIは、土壌の挙動に対応する最も重要な潜水特性を1～3mの深さで明らかにし、液状化評価におけるこの深さ範囲の臨界性を強調した。 オートエンコーダアプローチは、CPTプロファイルを機械学習の液状化モデルのための情報的潜在機能に集約する自動化技術を提供する。

関連論文リスト

• Transforming In-Vehicle Network Intrusion Detection: VAE-based Knowledge Distillation Meets Explainable AI [0.0]
  本稿では,変分オートエンコーダ(VAE)に基づく知識蒸留手法を用いて,KD-XVAEと呼ばれる高度な侵入検知システムを提案する。 本モデルでは,1669個のパラメータで処理し,バッチ毎に0.3msの推論時間を実現することにより,複雑性を大幅に低減する。
  論文  参考訳（メタデータ） (2024-10-11T17:57:16Z)
• Hybrid Deep Convolutional Neural Networks Combined with Autoencoders And Augmented Data To Predict The Look-Up Table 2006 [2.082445711353476]
  本研究では、自己エンコーダとデータ拡張技術により強化されたハイブリッドディープ畳み込みニューラルネットワーク(DCNN)モデルの開発について検討する。 オリジナルの入力機能を3つの異なるオートエンコーダ構成で拡張することにより、モデルの予測能力は大幅に改善された。
  論文  参考訳（メタデータ） (2024-08-26T20:45:07Z)
• Towards Effective and Efficient Continual Pre-training of Large Language Models [163.34610964970258]
  CPT(Continuous pre-training)は、特定のドメインやタスクに言語モデルを適用する上で重要なアプローチである。 本稿では,Llama-3 (8B) の継続事前訓練に関する技術的報告を報告する。 バックボーンモデルの中国語能力と科学的推論能力を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-07-26T13:55:21Z)
• Pre-trained Model Guided Fine-Tuning for Zero-Shot Adversarial Robustness [52.9493817508055]
  我々は,モデルがゼロショットの逆方向のロバスト性を高めるために,事前訓練されたモデル誘導逆方向の微調整(PMG-AFT)を提案する。 私たちのアプローチは、平均8.72%のクリーンな精度を継続的に改善します。
  論文  参考訳（メタデータ） (2024-01-09T04:33:03Z)
• Fast Cell Library Characterization for Design Technology Co-Optimization Based on Graph Neural Networks [0.1752969190744922]
  設計技術の共同最適化(DTCO)は、最適パワー、性能、領域を達成する上で重要な役割を果たす。 本稿では,高速かつ正確なセルライブラリ解析のためのグラフニューラルネットワーク(GNN)に基づく機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2023-12-20T06:10:27Z)
• TRIAGE: Characterizing and auditing training data for improved regression [80.11415390605215]
  TRIAGEは回帰タスクに適した新しいデータキャラクタリゼーションフレームワークで、広範囲の回帰器と互換性がある。 TRIAGEは、共形予測分布を利用して、モデルに依存しないスコアリング方法、TRIAGEスコアを提供する。 TRIAGEの特徴は一貫性があり、複数の回帰設定においてデータの彫刻/フィルタリングによるパフォーマンス向上に有効であることを示す。
  論文  参考訳（メタデータ） (2023-10-29T10:31:59Z)
• Active Learning Framework for Cost-Effective TCR-Epitope Binding Affinity Prediction [6.3044887592852845]
  ActiveTCRは、アクティブラーニングとTCR-epitopeバインディング親和性予測モデルを組み込んだフレームワークである。 アノテーションのコストを最小化しながら、パフォーマンスの向上を最大化することを目的としている。 本研究は,TCR-epitope結合親和性予測のためのデータ最適化に関する最初の体系的な研究である。
  論文  参考訳（メタデータ） (2023-10-16T23:53:07Z)
• Approximating Human-Like Few-shot Learning with GPT-based Compression [55.699707962017975]
  我々は、推論中にデータ圧縮を可能にする、人間のような学習能力を備えた生成事前学習モデルを提案する。 本稿では,GPT(Generative Pre-trained Transformer)を用いてコルモゴロフ複雑性を近似する手法を提案する。
  論文  参考訳（メタデータ） (2023-08-14T05:22:33Z)
• Application of the nnU-Net for automatic segmentation of lung lesion on CT images, and implication on radiomic models [1.8231394717039833]
  非小細胞肺癌患者のCT画像にディープラーニング自動分画法を適用した。 生存放射線モデルの性能評価において,手動と自動セグメンテーションの併用も検討した。
  論文  参考訳（メタデータ） (2022-09-24T15:04:23Z)
• Layer Pruning on Demand with Intermediate CTC [50.509073206630994]
  我々はコネクショニスト時間分類(CTC)に基づくASRの訓練と刈り取り方法を提案する。 本稿では,Transformer-CTCモデルをオンデマンドで様々な深さでプルーニングできることを示し,GPU上でのリアルタイム係数を0.005から0.002に改善した。
  論文  参考訳（メタデータ） (2021-06-17T02:40:18Z)
• A Novel Approach to Radiometric Identification [68.8204255655161]
  本稿では,CAPoNeFの特徴工学的手法を用いて,高精度なラジオメトリック同定が可能であることを実証する。 SDRで収集した実験データに基づいて,基本的なML分類アルゴリズムを検証した。
  論文  参考訳（メタデータ） (2020-12-02T10:54:44Z)

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。