論文の概要: Partial Inverse Design of High-Performance Concrete Using Cooperative Neural Networks for Constraint-Aware Mix Generation

• arxiv url: http://arxiv.org/abs/2512.06813v2
• Date: Wed, 10 Dec 2025 12:48:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-11 15:14:53.211197
• Title: Partial Inverse Design of High-Performance Concrete Using Cooperative Neural Networks for Constraint-Aware Mix Generation
• Title（参考訳）: 協調型ニューラルネットワークを用いた拘束・認識混合生成のための高性能コンクリートの部分逆設計
• Authors: Agung Nugraha, Heungjun Im, Jihwan Lee,
• Abstract要約: 高性能コンクリートは、相互依存変数と実用的な制約を含む複雑な混合設計決定を必要とする。 本研究では,高性能コンクリートの部分的逆設計のための協調型ニューラルネットワークフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 2.08099858257632
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-performance concrete requires complex mix design decisions involving interdependent variables and practical constraints. While data-driven methods have improved predictive modeling for forward design in concrete engineering, inverse design remains limited, especially when some variables are fixed and only the remaining ones must be inferred. This study proposes a cooperative neural network framework for the partial inverse design of high-performance concrete. The framework integrates an imputation model with a surrogate strength predictor and learns through cooperative training. Once trained, it generates valid and performance-consistent mix designs in a single forward pass without retraining for different constraint scenarios. Compared with baseline models, including autoencoder models and Bayesian inference with Gaussian process surrogates, the proposed method achieves R-squared values of 0.87 to 0.92 and substantially reduces mean squared error by approximately 50% and 70%, respectively. The results show that the framework provides an accurate and computationally efficient foundation for constraint-aware, data-driven mix proportioning.
• Abstract（参考訳）: 高性能コンクリートは、相互依存変数と実用的な制約を含む複雑な混合設計決定を必要とする。 データ駆動の手法は、コンクリート工学における前方設計の予測モデルの改善を図っているが、逆設計は、特にいくつかの変数が固定され、残りの変数だけが推論されなければならない場合に限られている。 本研究では,高性能コンクリートの部分的逆設計のための協調型ニューラルネットワークフレームワークを提案する。 このフレームワークは、計算モデルを代理強度予測器と統合し、協調トレーニングを通じて学習する。 トレーニングが完了すると、異なる制約シナリオを再トレーニングすることなく、1つのフォワードパスで有効かつパフォーマンスに一貫性のあるミックスデザインを生成する。 自動エンコーダモデルやベイズ推定を含むベースラインモデルとガウス過程サロゲートを比較して,提案手法は平均2乗誤差を約50%,平均2乗誤差を約70%削減する。 その結果,このフレームワークは制約を意識し,データ駆動型混合比例する上で,正確かつ効率的な基盤を提供することがわかった。

関連論文リスト

• NAN: A Training-Free Solution to Coefficient Estimation in Model Merging [61.36020737229637]
  最適なマージ重み付けは,各モデルに符号化されたタスク固有情報の量とともにスケールする必要があることを示す。 パラメータノルムの逆数を用いてモデルマージ係数を推定する,単純で効果的な手法であるNANを提案する。 NANはトレーニングフリーで、プラグアンドプレイで、幅広いマージ戦略に適用できる。
  論文  参考訳（メタデータ） (2025-05-22T02:46:08Z)
• Joint Explainability-Performance Optimization With Surrogate Models for AI-Driven Edge Services [3.8688731303365533]
  本稿では,複雑なAIモデルの予測精度と代理モデルによる近似とのバランスについて検討する。 我々は,多目的最適化(MOO)に基づく新しいアルゴリズムを導入し,複雑なモデルの予測誤差と,その出力とサロゲートの誤差を同時に最小化する。
  論文  参考訳（メタデータ） (2025-03-10T19:04:09Z)
• Exploring Cross-model Neuronal Correlations in the Context of Predicting Model Performance and Generalizability [2.6708879445664584]
  本稿では,新しいモデルを用いたモデルの性能評価手法を提案する。 提案手法は,1つのネットワーク内の各ニューロンに対して,類似の出力を生成する他のネットワークにニューロンが存在するかどうかを判定することにより相関性を評価する。
  論文  参考訳（メタデータ） (2024-08-15T22:57:39Z)
• LoRA-Ensemble: Efficient Uncertainty Modelling for Self-Attention Networks [52.46420522934253]
  本稿では,自己注意ネットワークのためのパラメータ効率のよいアンサンブル手法であるLoRA-Ensembleを紹介する。 この方法は、BatchEnsembleのような最先端の暗黙のテクニックを上回るだけでなく、Explicit Ensembleの正確さにマッチするか超える。
  論文  参考訳（メタデータ） (2024-05-23T11:10:32Z)
• Boosting with copula-based components [0.0]
  著者らは、成分がコプラベース回帰モデルであるバイナリ結果に対する新たな加算モデルを提案する。 部品のモデル選択と評価のための適合アルゴリズムと効率的な手順について述べる。
  論文  参考訳（メタデータ） (2022-08-09T11:24:57Z)
• Modeling the Second Player in Distributionally Robust Optimization [90.25995710696425]
  我々は、最悪のケース分布を特徴付けるために神経生成モデルを使うことを議論する。 このアプローチは多くの実装と最適化の課題をもたらします。 提案されたアプローチは、同等のベースラインよりも堅牢なモデルを生み出す。
  論文  参考訳（メタデータ） (2021-03-18T14:26:26Z)
• Autoregressive Score Matching [113.4502004812927]
  自動回帰条件スコアモデル(AR-CSM)を提案する。 AR-CSMモデルでは、このデータ分布とモデル分布のばらつきを効率的に計算し、最適化することができ、高価なサンプリングや対向訓練を必要としない。 本研究では,合成データに対する密度推定,画像生成,画像復調,暗黙エンコーダを用いた潜在変数モデルの訓練に応用できることを示す。
  論文  参考訳（メタデータ） (2020-10-24T07:01:24Z)

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。