論文の概要: OkadaTorch: A Differentiable Programming of Okada Model to Calculate Displacements and Strains from Fault Parameters

• arxiv url: http://arxiv.org/abs/2507.17126v1
• Date: Wed, 23 Jul 2025 02:02:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-24 22:33:14.823889
• Title: OkadaTorch: A Differentiable Programming of Okada Model to Calculate Displacements and Strains from Fault Parameters
• Title（参考訳）: OKdaTorch: 障害パラメータから変位やひずみを計算するための岡田モデルの微分プログラミング
• Abstract要約: OkadaTorchはOKDAモデルの実装であり、コード全体を微分可能である。 入力に関する勾配は自動微分(AD)を用いて容易に計算できる 私たちの研究は、オリジナルの岡田モデルをPyTorchに直接変換する2つのコンポーネントと、勾配とヘッセンを効率的に計算するための便利なラッパーインターフェースで構成されています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Okada model is a widely used analytical solution for displacements and strains caused by a point or rectangular dislocation source in a 3D elastic half-space. We present OkadaTorch, a PyTorch implementation of the Okada model, where the entire code is differentiable; gradients with respect to input can be easily computed using automatic differentiation (AD). Our work consists of two components: a direct translation of the original Okada model into PyTorch, and a convenient wrapper interface for efficiently computing gradients and Hessians with respect to either observation station coordinates or fault parameters. This differentiable framework is well suited for fault parameter inversion, including gradient-based optimization, Bayesian inference, and integration with scientific machine learning (SciML) models. Our code is available here: https://github.com/msomeya1/OkadaTorch
• Abstract（参考訳）: 岡田模型は3次元弾性ハーフ空間における点または長方形転位源による変位とひずみに対する広く用いられる解析解である。 入力に関する勾配を自動微分(AD)を用いて容易に計算できる岡田モデルのPyTorch実装である岡田トーチについて述べる。 本研究は, 従来の岡田モデルからPyTorchへの直接変換と, 観測局座標あるいは断層パラメータに関して, 勾配とヘシアンを効率的に計算するための便利なラッパーインタフェースからなる。 この微分可能なフレームワークは、勾配に基づく最適化、ベイズ推論、科学機械学習(SciML)モデルとの統合など、障害パラメータの反転によく適している。 私たちのコードはここにある。 https://github.com/msomeya1/OkadaTorch

関連論文リスト

• BridgeMatch: Conditional Transport Bridges in Matching Matrix Space for 3D Deformable Registration [42.44006379209785]
  本稿では,完全ソフトマッチング行列を粗度と高分解能の両方で維持する2段階生成解法を提案する。 4DMatchと4DLoMatchの実験では、どちらの変種も比較した方法よりも正確な対応を示し、下流での登録を改善する。 また、CAPEとDeepDeformのクロスデータセットの一般化を、同じ変形解決器を使用しながら、ターゲットドメイン適応なしに改善する。
  論文  参考訳（メタデータ） (2026-09-10T12:39:58Z)
• Fourier Feature Pyramids for Physics-Informed Neural Networks [47.75068288153803]
  偏微分方程式(PDE)を解くための改良されたニューラルネットワークアーキテクチャを提案する。 Bandlimited Embedding with Interpolated Grid Network (特集:Bandlimited Embedding with Interpolated Grid Network) 我々は,PDEベンチマークにおいて,最先端のPINN手法よりも少ないパラメータを用いて,ベニグレットがはるかに精度の高い解を見つけることを示した。
  論文  参考訳（メタデータ） (2026-05-22T23:12:56Z)
• An End-to-End PyTorch Interface for Differentiable PDE Solvers: A RANS Model-Correction Study [0.0]
  本研究は,部分微分方程式に制約された逆問題を解決するためのエンドツーエンド戦略を提案する。 PDEを暗黙の層として再構成することで、完全に差別化可能なPythonワークフロー内でphiを最適化する方法を示す。 データセットは、VKI LS-59タービンブレード形状から始まり、Spaalart-Allmaras乱流モデルを用いた微分可能なBROADCASTソルバを用いて生成される。
  論文  参考訳（メタデータ） (2026-05-19T07:38:50Z)
• Automatic Laplace Collapsed Sampling: Scalable Marginalisation of Latent Parameters via Automatic Differentiation [0.4999814847776097]
  ALCS は高次元潜伏変数 $z$ を最大 (MAP) 最適化とラプラス近似によってスカラー寄与に分解する。 これにより、有効次元を$d_+ d_z$から$d_$に減らし、ベイズ的エビデンス計算は高次元設定で計算可能である。 自動微分により,ラプラスの向こう側から学生=t$のようなパラメトリックな家族への局所近似が可能となり,重み付き潜伏者のエビデンス推定が向上することを示す。
  論文  参考訳（メタデータ） (2026-03-27T17:47:45Z)
• Depth Completion as Parameter-Efficient Test-Time Adaptation [66.72360181325877]
  CAPAはパラメータ効率のよいテスト時間最適化フレームワークであり、深度補完のために事前訓練された3D基礎モデル(FM)を適用する。 ビデオの場合、CAPAはシーケンスレベルのパラメータ共有を導入し、時間的相関を利用して、堅牢性を改善し、複数フレームの一貫性を強制するために、すべてのフレームを共同で適用する。
  論文  参考訳（メタデータ） (2026-02-16T13:53:23Z)
• An Iterative Bayesian Approach for System Identification based on Linear Gaussian Models [86.05414211113627]
  システム識別の問題に取り組み、入力を選択し、実際のシステムから対応する出力を観測し、データに最も合うようにモデルのパラメータを最適化する。 本稿では,任意のシステムやパラメトリックモデルと互換性のある,フレキシブルで計算可能な手法を提案する。
  論文  参考訳（メタデータ） (2025-01-28T01:57:51Z)
• Learning Optical Flow and Scene Flow with Bidirectional Camera-LiDAR Fusion [21.421913505496846]
  同期した2Dデータと3Dデータから光フローとシーンフローを同時推定する問題について検討する。 従来の方法では、ジョイントタスクを独立したステージに分割する複雑なパイプラインを使用するか、アーリーフュージョンまたはレイトフュージョンの方法で2Dと3D情報を融合する。 本稿では,2次元および3次元の分岐からなり,各層に複数方向の融合接続を施した新しいエンドツーエンドフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-21T16:54:01Z)
• Robust Bayesian Recourse [13.526999070658231]
  アルゴリズムのリコースは、好ましくない機械学習の決定を覆すために、情報的なフィードバックを推奨することを目的としている。 本稿では,後続確率オッズ比を最小化するモデル非依存リコースであるベイズ的リコースを紹介する。 我々は、機械学習モデルパラメータの将来の変更に対処する目的で、min-maxのロバストな競合を提示する。
  論文  参考訳（メタデータ） (2022-06-22T04:17:17Z)
• Dynamic Convolution for 3D Point Cloud Instance Segmentation [146.7971476424351]
  動的畳み込みに基づく3次元点雲からのインスタンスセグメンテーション手法を提案する。 我々は、同じ意味圏と閉投票を持つ等質点を幾何学的遠近点に対して収集する。 提案手法は提案不要であり、代わりに各インスタンスの空間的および意味的特性に適応する畳み込みプロセスを利用する。
  論文  参考訳（メタデータ） (2021-07-18T09:05:16Z)
• Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D Edge Alignment [85.32080531133799]
  本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。 エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。 3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
  論文  参考訳（メタデータ） (2020-12-15T11:42:17Z)
• Uncertainty Inspired RGB-D Saliency Detection [70.50583438784571]
  本稿では,データラベリングプロセスから学習することで,RGB-D値検出の不確実性を利用した最初のフレームワークを提案する。 そこで本研究では,確率的RGB-Dサリエンシ検出を実現するために,サリエンシデータラベリングプロセスにインスパイアされた生成アーキテクチャを提案する。 6つの挑戦的RGB-Dベンチマークデータセットの結果から,サリエンシマップの分布を学習する際のアプローチの優れた性能が示された。
  論文  参考訳（メタデータ） (2020-09-07T13:01:45Z)
• Variational Inference with Parameter Learning Applied to Vehicle Trajectory Estimation [20.41604350878599]
  雑音測定のみを用いたガウス変分推論におけるパラメータ学習について述べる。 我々はライダーを用いた自動車による36kmのデータセットを用いて高精細マップに対するローカライズを行う手法を実証した。
  論文  参考訳（メタデータ） (2020-03-21T19:48:07Z)
• Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
  本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。 我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。 LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-02-29T06:24:55Z)
• Implicit differentiation of Lasso-type models for hyperparameter optimization [82.73138686390514]
  ラッソ型問題に適した行列逆転のない効率的な暗黙微分アルゴリズムを提案する。 提案手法は,解の空間性を利用して高次元データにスケールする。
  論文  参考訳（メタデータ） (2020-02-20T18:43:42Z)

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。