論文の概要: Data-Driven Assessment of Concrete Mixture Compositions on Chloride Transport via Standalone Machine Learning Algorithms

• arxiv url: http://arxiv.org/abs/2601.01009v1
• Date: Sat, 03 Jan 2026 00:11:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:21.938658
• Title: Data-Driven Assessment of Concrete Mixture Compositions on Chloride Transport via Standalone Machine Learning Algorithms
• Title（参考訳）: スタンドアロン機械学習アルゴリズムによる塩化物輸送におけるコンクリートの配合成分のデータ駆動評価
• Authors: Mojtaba Aliasghar-Mamaghani, Mohammadreza Khalafi,
• Abstract要約: 本稿では, コンクリート構造物における塩化物の時間的変化に及ぼすコンクリートの混合物の影響をデータ駆動で決定する手法を提案する。 採用されている方法論は、いくつかの単純で複雑なスタンドアロン機械学習(ML)アルゴリズムに依存している。 GPRモデルから得られた結果は、明確かつ説明可能な傾向を通じて遅延相関を解き明かす。
• 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: This paper employs a data-driven approach to determine the impact of concrete mixture compositions on the temporal evolution of chloride in concrete structures. This is critical for assessing the service life of civil infrastructure subjected to aggressive environments. The adopted methodology relies on several simple and complex standalone machine learning (ML) algorithms, with the primary objective of establishing confidence in the unbiased prediction of the underlying hidden correlations. The simple algorithms include linear regression (LR), k-nearest neighbors (KNN) regression, and kernel ridge regression (KRR). The complex algorithms entail support vector regression (SVR), Gaussian process regression (GPR), and two families of artificial neural networks, including a feedforward network (multilayer perceptron, MLP) and a gated recurrent unit (GRU). The MLP architecture cannot explicitly handle sequential data, a limitation addressed by the GRU. A comprehensive dataset is considered. The performance of ML algorithms is evaluated, with KRR, GPR, and MLP exhibiting high accuracy. Given the diversity of the adopted concrete mixture proportions, the GRU was unable to accurately reproduce the response in the test set. Further analyses elucidate the contributions of mixture compositions to the temporal evolution of chloride. The results obtained from the GPR model unravel latent correlations through clear and explainable trends. The MLP, SVR, and KRR also provide acceptable estimates of the overall trends. The majority of mixture components exhibit an inverse relation with chloride content, while a few components demonstrate a direct correlation. These findings highlight the potential of surrogate approaches for describing the physical processes involved in chloride ingress and the associated correlations, toward the ultimate goal of enhancing the service life of civil infrastructure.
• Abstract（参考訳）: 本稿では, コンクリート構造物における塩化物の時間的変化に及ぼすコンクリートの混合物組成の影響を明らかにするために, データ駆動方式を用いる。 これは、攻撃的な環境下にある土木インフラのサービス寿命を評価するために重要である。 採用されている手法は、いくつかの単純で複雑なスタンドアロン機械学習(ML)アルゴリズムに依存しており、基盤となる隠れ相関のバイアスのない予測に対する信頼性を確立することが主な目的である。 単純なアルゴリズムには線形回帰(LR)、k-nearest neighbors(KNN)回帰、カーネルリッジ回帰(KRR)がある。 複雑なアルゴリズムは、ベクター回帰(SVR)、ガウス過程回帰(GPR)、およびフィードフォワードネットワーク(マルチ層パーセプトロン、MLP)とゲートリカレントユニット(GRU)を含む人工ニューラルネットワークの2つのファミリーをサポートする。 MLPアーキテクチャは、GRUによって対処される制限であるシーケンシャルデータを明示的に扱うことはできない。 包括的なデータセットが検討されている。 KRR, GPR, MLPを用いて, MLアルゴリズムの性能評価を行った。 コンクリート混合比の多様性から, GRUは試験セットの応答を正確に再現できなかった。 さらに分析によって、塩化物の時間的進化に対する混合物組成の寄与が解明される。 GPRモデルから得られた結果は、明確かつ説明可能な傾向を通じて遅延相関を解き明かす。 MLP、SVR、KRRもまた、全体的なトレンドを許容できる見積もりを提供している。 混合成分の大部分は塩化物含量と逆関係を示すが、いくつかの成分は直接相関を示す。 これらの知見は, 公共インフラのサービス寿命向上という究極の目標に向けて, 塩化物侵入と関連する相関関係の物理過程を記述するための代理的アプローチの可能性を強調した。

関連論文リスト

• Efficient Thought Space Exploration through Strategic Intervention [54.35208611253168]
  本稿では,この知見を2つの相乗的コンポーネントを通して操作するHint-Practice Reasoning(HPR)フレームワークを提案する。 フレームワークの中核となる革新は、動的に介入点を識別する分散不整合低減(DIR)である。 算術的および常識的推論ベンチマークによる実験は、HPRの最先端の効率-精度トレードオフを実証している。
  論文  参考訳（メタデータ） (2025-11-13T07:26:01Z)
• Robust Local Polynomial Regression with Similarity Kernels [0.0]
  局所多項式回帰(Local Polynomial Regression, LPR)は、複雑な関係をモデル化するための非パラメトリックな手法である。 従来のLPRは外れ値や高平均点に敏感であり、推定精度に大きな影響を及ぼす可能性がある。 本稿では、回帰重みの計算に使用されるカーネル関数を再検討し、重み付け機構に予測変数と応答変数の両方を組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-01-18T11:21:26Z)
• Graph Structure Refinement with Energy-based Contrastive Learning [56.957793274727514]
  グラフの構造と表現を学習するための生成訓練と識別訓練のジョイントに基づく教師なし手法を提案する。 本稿では,ECL-GSR(Energy-based Contrastive Learning)によるグラフ構造再構成(GSR)フレームワークを提案する。 ECL-GSRは、主要なベースラインに対するサンプルやメモリの少ない高速なトレーニングを実現し、下流タスクの単純さと効率性を強調している。
  論文  参考訳（メタデータ） (2024-12-20T04:05:09Z)
• An In-depth Investigation of Sparse Rate Reduction in Transformer-like Models [32.04194224236952]
  スパースレートリダクション(SRR)と呼ばれる情報理論目的関数を提案する。 SRRは正の相関係数を持ち、パスノルムやシャープネスベースなど他の基準値よりも優れていることを示す。 ベンチマーク画像分類データセットの正規化として,SRRを用いて一般化を改善することができることを示す。
  論文  参考訳（メタデータ） (2024-11-26T07:44:57Z)
• Understanding Augmentation-based Self-Supervised Representation Learning via RKHS Approximation and Regression [53.15502562048627]
  最近の研究は、自己教師付き学習とグラフラプラシアン作用素のトップ固有空間の近似との関係を構築している。 この研究は、増強に基づく事前訓練の統計的分析に発展する。
  論文  参考訳（メタデータ） (2023-06-01T15:18:55Z)
• Federated Latent Class Regression for Hierarchical Data [5.110894308882439]
  フェデレートラーニング(FL)は、多くのエージェントがローカルに保存されたデータを開示することなく、グローバル機械学習モデルのトレーニングに参加することを可能にする。 本稿では,新しい確率モデルである階層潜在クラス回帰(HLCR)を提案し,フェデレートラーニング(FEDHLCR)への拡張を提案する。 我々の推論アルゴリズムはベイズ理論から派生したもので、強い収束保証と過剰適合性を提供する。実験結果から、FEDHLCRは非IIDデータセットにおいても高速収束を提供することが示された。
  論文  参考訳（メタデータ） (2022-06-22T00:33:04Z)
• Accurate Discharge Coefficient Prediction of Streamlined Weirs by Coupling Linear Regression and Deep Convolutional Gated Recurrent Unit [2.4475596711637433]
  本研究では,CFDシミュレーションに代わるデータ駆動モデリング手法を提案する。 提案した3層階層型DLアルゴリズムは,後続の2つのGRUレベルを結合した畳み込み層で構成されており,LR法とハイブリダイゼーションすることで,誤差の低減につながることがわかった。
  論文  参考訳（メタデータ） (2022-04-12T01:59:36Z)
• Self-supervised Representation Learning with Relative Predictive Coding [102.93854542031396]
  Relative Predictive Coding(RPC)は、新しいコントラスト表現学習目標である。 RPCは、トレーニング安定性、ミニバッチサイズ感度、ダウンストリームタスクパフォーマンスのバランスが良好である。 ベンチマークビジョンと音声自己教師型学習タスクにおけるRPCの有効性を実証的に検証する。
  論文  参考訳（メタデータ） (2021-03-21T01:04:24Z)
• CASTLE: Regularization via Auxiliary Causal Graph Discovery [89.74800176981842]
  因果構造学習(CASTLE)の正規化を導入し,変数間の因果関係を共同学習することでニューラルネットワークの正規化を提案する。 CASTLEは因果的隣り合いを持つ因果的DAGの特徴のみを効率的に再構成する一方、再構成ベース正規化器は全ての入力特徴を過度に再構成する。
  論文  参考訳（メタデータ） (2020-09-28T09:49:38Z)
• Repulsive Mixture Models of Exponential Family PCA for Clustering [127.90219303669006]
  指数関数型家族主成分分析(EPCA)の混合拡張は、従来のEPCAよりもデータ分布に関する構造情報を符号化するように設計された。 従来のEPCAの混合は、モデルの冗長性、すなわち混合成分間の重なりが問題であり、データクラスタリングの曖昧さを引き起こす可能性がある。 本稿では, 混合成分間での反発性増感前処理を導入し, ベイズ式に分散EPCA混合(DEPCAM)モデルを開発した。
  論文  参考訳（メタデータ） (2020-04-07T04:07:29Z)

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。