論文の概要: Transfer learning via interpolating structures

• arxiv url: http://arxiv.org/abs/2603.22621v1
• Date: Mon, 23 Mar 2026 22:46:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.209449
• Title: Transfer learning via interpolating structures
• Title（参考訳）: 補間構造による伝達学習
• Authors: T. A. Dardeno, A. J. Hughes, L. A. Bull, R. S. Mills, N. Dervilis, K. Worden,
• Abstract要約: 現在の研究は、興味ある構造の間の情報のギャップを埋める中間構造を通して異種移動が達成される可能性を示唆している。 この技法の重要な側面は、材料の性質や幾何学のような様々なパラメータによって、ある構造を別の構造に連続的に変形させることができるという考えである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite recent advances in population-based structural health monitoring (PBSHM), knowledge transfer between highly-disparate structures (i.e., heterogeneous populations) remains a challenge. The current work proposes that heterogeneous transfer may be accomplished via intermediate structures that bridge the gap in information between the structures of interest. A key aspect of the technique is the idea that by varying parameters such as material properties and geometry, one structure can be continuously morphed into another. The approach is demonstrated via a case study involving the parameterisation of (and transfer between) simulated heterogeneous bridge designs (Case 1). Transfer between simplified physical representations of a 'bridge' and 'aeroplane' is then demonstrated in Case 2, via a chain of finite-element models. The facetious question 'When is a bridge not an aeroplane?' has been previously asked in the context of predicting positive transfer based on structural similarity. While the obvious answer to this question is 'Always,' the results presented in the current paper show that, in some cases, positive transfer can indeed be achieved between highly-disparate systems.
• Abstract（参考訳）: 人口ベース構造健康モニタリング(PBSHM)の最近の進歩にもかかわらず、高度に異なる構造(異種集団)間の知識伝達は依然として課題である。 現在の研究は、興味ある構造の間の情報のギャップを埋める中間構造を通して異種移動が達成される可能性を示唆している。 この技法の重要な側面は、材料の性質や幾何学のような様々なパラメータによって、ある構造を別の構造に連続的に変形させることができるという考えである。 この手法は, 模擬ヘテロジニアス橋の設計のパラメータ化(および移動)を含むケーススタディにより実証される(第1報)。 ブリッジ」と「飛行機」の単純化された物理表現間の移動は、ケース2で有限要素モデルの連鎖を通して証明される。 航空機以外の橋はいつあるのか?」という疑念は、構造的類似性に基づいて正の移動を予測するという文脈でこれまで求められてきた。 この疑問に対する明らかな答えは「常に」であるが、現在の論文で示された結果は、いくつかの場合において、高度に異なるシステム間で正の移動が実現可能であることを示している。

関連論文リスト

• Causal Schrödinger Bridges: Constrained Optimal Transport on Structural Manifolds [1.8889920087703633]
  エントロピー最適輸送(Entropic Optimal Transport)としての反ファクト推論を再構築するフレームワークであるCausal Schrdinger Bridge (CSB)を紹介する。 構造分解定理を証明し、大域的な高次元橋梁が局所的で頑健な遷移に正確に分解されることを示す。
  論文  参考訳（メタデータ） (2026-02-09T11:33:12Z)
• Mechanisms of AI Protein Folding in ESMFold [60.598995350547]
  ESMFoldがいかにしてベータヘアピンを折りたたむかは、よく見られる構造モチーフである。 ESMFoldの構造決定の基盤となるメカニズムは局所化され、解釈可能な表現を通して追跡され、強い因果効果で操作されることを示す。
  論文  参考訳（メタデータ） (2026-02-05T18:54:54Z)
• On Evolution-Based Models for Experimentation Under Interference [7.262048441360133]
  我々は、介入に応じて観察ラウンド間で結果がどのように変化するかを研究する進化に基づくアプローチについて研究する。 我々は、この手法のインスタンス化として、高密度ネットワークにおける因果メッセージパッシングを強調した。 このアプローチの限界について議論し、強い時間的傾向や内因性干渉が識別を損なう可能性があることを示す。
  論文  参考訳（メタデータ） (2025-11-26T18:53:46Z)
• Selective Induction Heads: How Transformers Select Causal Structures In Context [50.09964990342878]
  因果構造を扱うトランスフォーマーの能力を示す新しいフレームワークを提案する。 我々のフレームワークは、遷移確率を固定しつつ、ラグの異なるマルコフ鎖をインターリーブすることで因果構造を変化させる。 この設定は、コンテクスト内で正しい因果構造を選択できる新しい回路である選択誘導ヘッド(Selective induction Heads)を形成する。
  論文  参考訳（メタデータ） (2025-09-09T23:13:41Z)
• When does a bridge become an aeroplane? [0.0]
  この技法の重要な側面は、材料の性質や幾何学のような様々なパラメータによって、ある構造を別の構造に連続的に変形させることができるという考えである。 現在の研究は、単純な「橋」と「飛行機」のパラメータ化を含むケーススタディを通して、これらの補間構造の発達を実証している。
  論文  参考訳（メタデータ） (2024-11-27T14:49:49Z)
• Latent Traversals in Generative Models as Potential Flows [113.4232528843775]
  我々は,学習された動的ポテンシャルランドスケープを持つ潜在構造をモデル化することを提案する。 物理、最適輸送、神経科学にインスパイアされたこれらの潜在的景観は、物理的に現実的な偏微分方程式として学習される。 本手法は,最先端のベースラインよりも定性的かつ定量的に歪んだ軌跡を実現する。
  論文  参考訳（メタデータ） (2023-04-25T15:53:45Z)
• Differentiable and Transportable Structure Learning [73.84540901950616]
  本稿では,新しいアーキテクチャと損失関数により,発見された構造物の輸送性を回復するD-Structを紹介する。 D-Structは依然として微分可能であるため、既存の微分可能アーキテクチャでは容易に適用できる。
  論文  参考訳（メタデータ） (2022-06-13T17:50:53Z)
• Path Dependent Structural Equation Models [7.437224586066945]
  因果推論が因果図形モデルでどのように実行されるかを示す。 外科手術のシミュレーションやデータに因果推論が適用可能であることを示す。
  論文  参考訳（メタデータ） (2020-08-24T21:05:04Z)

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。