論文の概要: Adaptive digital twins for predictive decision-making: Online Bayesian learning of transition dynamics

• arxiv url: http://arxiv.org/abs/2512.13919v1
• Date: Mon, 15 Dec 2025 21:52:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-17 16:49:26.507865
• Title: Adaptive digital twins for predictive decision-making: Online Bayesian learning of transition dynamics
• Title（参考訳）: 予測的意思決定のための適応型ディジタル双生児:遷移力学のオンラインベイズ学習
• Authors: Eugenio Varetti, Matteo Torzoni, Marco Tezzele, Andrea Manzoni,
• Abstract要約: この研究は、適応性が土木工学におけるデジタル双生児の価値実現をいかに促進するかを示す。 我々は,確率的グラフィカルモデルによって表されるディジタル双生児の状態遷移モデルに適応することに注力する。 提案する適応型ディジタルツインフレームワークは、パーソナライゼーションの向上、ロバスト性の向上、コスト効率の向上を享受する。
• 参考スコア（独自算出の注目度）: 0.3499870393443268
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: This work shows how adaptivity can enhance value realization of digital twins in civil engineering. We focus on adapting the state transition models within digital twins represented through probabilistic graphical models. The bi-directional interaction between the physical and virtual domains is modeled using dynamic Bayesian networks. By treating state transition probabilities as random variables endowed with conjugate priors, we enable hierarchical online learning of transition dynamics from a state to another through effortless Bayesian updates. We provide the mathematical framework to account for a larger class of distributions with respect to the current literature. To compute dynamic policies with precision updates we solve parametric Markov decision processes through reinforcement learning. The proposed adaptive digital twin framework enjoys enhanced personalization, increased robustness, and improved cost-effectiveness. We assess our approach on a case study involving structural health monitoring and maintenance planning of a railway bridge.
• Abstract（参考訳）: この研究は、適応性が土木工学におけるデジタル双生児の価値実現をいかに促進するかを示す。 我々は,確率的グラフィカルモデルによって表されるディジタル双生児の状態遷移モデルに適応することに注力する。 物理領域と仮想領域の双方向相互作用は動的ベイズネットワークを用いてモデル化される。 状態遷移確率を共役前処理によるランダム変数として扱うことにより、状態から別の状態への遷移ダイナミクスの階層的なオンライン学習を可能にする。 我々は、現在の文献に関して、より大きな分布のクラスを考慮に入れた数学的枠組みを提供する。 精度更新による動的ポリシの計算には、強化学習を通じてパラメトリックマルコフ決定過程を解く。 提案する適応型ディジタルツインフレームワークは、パーソナライゼーションの向上、ロバスト性の向上、コスト効率の向上を享受する。 鉄道橋梁の構造的健康モニタリングと保守計画に関するケーススタディについて検討する。

関連論文リスト

• Fast State-Augmented Learning for Wireless Resource Allocation with Dual Variable Regression [83.27791109672927]
  本稿では,資源割当ポリシに対する状態拡張グラフニューラルネットワーク(GNN)のパラメトリゼーションが,ユビキタスな二段階的手法の欠点を回避する方法を示す。 ラグランジアンによる国家拡張政策の最大化は、オフライントレーニングフェーズ中に学習される。 収束結果と指数確率は、双対函数(有限値)最適性ギャップの剰余に縛られることを証明する。
  論文  参考訳（メタデータ） (2025-06-23T15:20:58Z)
• Continuously Updating Digital Twins using Large Language Models [49.7719149179179]
  デジタルツイン(Digital twins)は、現実のシステムのモデルであり、潜在的なアクションに応答してそれらのダイナミクスをシミュレートすることができる。 現在のアプローチは、固定された、明確に定義されたモデリング環境を必要とするため、この点で苦労しています。 我々は,状況適応型言語モデルに基づくDigital TwinであるCALM-DTを開発した。
  論文  参考訳（メタデータ） (2025-06-11T14:45:28Z)
• A digital twin framework for civil engineering structures [0.6249768559720122]
  デジタルツインの概念は、条件ベースの予測保守パラダイムを前進させる魅力的な機会である。 本研究は, 土木構造物の健康モニタリング, 保守, 管理計画に対する予測的ディジタルツインアプローチを提案する。
  論文  参考訳（メタデータ） (2023-08-02T21:38:36Z)
• Model-Based Reinforcement Learning with Multi-Task Offline Pretraining [59.82457030180094]
  本稿では,オフラインデータから新しいタスクへ,潜在的に有用なダイナミックスや動作デモを伝達するモデルベースRL法を提案する。 主な考え方は、世界モデルを行動学習のシミュレーターとしてだけでなく、タスクの関連性を測定するツールとして使うことである。 本稿では,Meta-WorldとDeepMind Control Suiteの最先端手法と比較して,我々のアプローチの利点を実証する。
  論文  参考訳（メタデータ） (2023-06-06T02:24:41Z)
• Probabilistic machine learning based predictive and interpretable digital twin for dynamical systems [0.0]
  ディジタルツインを更新するための2つのアプローチが提案されている。 どちらの場合も、更新されたデジタル双生児の表現は同一である。 提案手法は、ディジタル双対モデルにおける摂動の正確な説明を提供する。
  論文  参考訳（メタデータ） (2022-12-19T04:25:59Z)
• Analogous to Evolutionary Algorithm: Designing a Unified Sequence Model [58.17021225930069]
  実演的進化アルゴリズム(EA)と類似した視覚変換器の合理性について説明する。 我々は、より効率的なEATモデルを提案し、様々なタスクに柔軟に対処するタスク関連ヘッドを設計する。 近年のビジョントランスに比べて,イメージネット分類作業における最先端の成果が得られている。
  論文  参考訳（メタデータ） (2021-05-31T16:20:03Z)
• TCL: Transformer-based Dynamic Graph Modelling via Contrastive Learning [87.38675639186405]
  我々は,動的に進化するグラフを連続的に扱う,TCLと呼ばれる新しいグラフニューラルネットワークアプローチを提案する。 我々の知る限りでは、これは動的グラフ上の表現学習にコントラスト学習を適用する最初の試みである。
  論文  参考訳（メタデータ） (2021-05-17T15:33:25Z)

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。