論文の概要: Stochastic Emulation using Generalized Stratified Sampling for Performance-Based Risk Optimization of Structures
- arxiv url: http://arxiv.org/abs/2608.05006v1
- Date: Wed, 05 Aug 2026 16:12:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 14:48:43.983776
- Title: Stochastic Emulation using Generalized Stratified Sampling for Performance-Based Risk Optimization of Structures
- Title（参考訳）: 構造性能に基づくリスク最適化のための一般化成層サンプリングを用いた確率的エミュレーション
- Authors: Isabela D. Rodrigues, Seymour M. J. Spence, Henrique M. Kroetz, André T. Beck,
- Abstract要約: 本研究では、一般化成層サンプリング(GSS)と多項式カオス拡張(SPCE)を組み合わせたフレームワークを提案する。
提案手法は,2階建ての鋼造建物において,座屈訓練を施したブラス断面積の最適設計に適用できる。
- 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: Metamodels are instrumental in reducing the computational burden associated with nested reliability analyses and optimization loops in Performance-Based Risk Optimization (PBRO) of structures under stochastic loads. In this context, stochastic emulators are particularly useful because they approximate response distributions while accounting for the intrinsic stochasticity of the simulator. Among these methods, Stochastic Polynomial Chaos Expansion (SPCE) is especially attractive because it does not require replications of nonlinear analyses at fixed input conditions. However, SPCE may present limitations in accurately representing extreme responses in the tails of structural response distributions. To address this limitation, this study proposes a framework that combines Generalized Stratified Sampling (GSS) with SPCE. The GSS scheme partitions the input space into strata according to the intensity of the hazard, improving the representation of extreme responses, while independent SPCE emulators are trained within each stratum. The conditional exceedance probabilities estimated in each stratum are then recombined using the total probability theorem to evaluate the probabilistic constraints. The proposed GSS-SPCE framework is applied to the optimal design of buckling-restrained brace cross-sectional areas in a two-story steel building. The objective is to minimize the initial construction cost while satisfying prescribed probabilistic performance constraints. Results show that the proposed framework accurately estimates structural response distributions, including their tail regions, while substantially reducing the number of nonlinear model evaluations required for PBRO.
- Abstract（参考訳）: 確率的負荷下における構造の性能ベースリスク最適化(PBRO)におけるネストされた信頼性解析と最適化ループに関連する計算負担を軽減する上で,メタモデルが有効である。
この文脈では、確率エミュレータは、シミュレータの固有確率性を考慮して応答分布を近似するため、特に有用である。
これらの手法のうち、確率多項式カオス拡張(SPCE)は、固定された入力条件下での非線形解析の複製を必要としないため、特に魅力的である。
しかしながら、SPCEは構造応答分布の尾部における極端な応答を正確に表現する制限を提示することができる。
この制限に対処するために、一般化成層サンプリング(GSS)とSPCEを組み合わせたフレームワークを提案する。
GSSスキームは、入力空間をハザードの強度に応じて成層に分割し、極端な応答の表現を改善する一方、独立したSPCEエミュレータは各成層内で訓練される。
各層で推定される条件超越確率は、全確率定理を用いて再結合され、確率的制約を評価する。
提案したGAS-SPCEフレームワークは、2階建ての鋼造建物における座屈拘束型ブラス断面積の最適設計に適用できる。
目的は、所定の確率的性能制約を満たしつつ、初期建設コストを最小化することである。
提案手法は, 構造応答分布を正確に推定し, PBROに必要な非線形モデル評価の回数を大幅に削減する。
関連論文リスト
- BandPO: Bridging Trust Regions and Ratio Clipping via Probability-Aware Bounds for LLM Reinforcement Learning [49.25750348525603]
BandPOは、信頼領域を動的で確率対応のクリッピング間隔に投影する統一理論演算子であるBandに取って代わる。
BandPOはカノニカルクリッピングやClip-Higherより一貫して優れ,エントロピー崩壊の軽減が図られている。
論文 参考訳（メタデータ） (2026-03-05T08:03:05Z) - GTS: Inference-Time Scaling of Latent Reasoning with a Learnable Gaussian Thought Sampler [54.10960908347221]
我々は、学習可能な密度から条件付きサンプリングとして潜在思考探索をモデル化し、このアイデアをガウス思想サンプリング(GTS)としてインスタンス化する。
GTSは、連続的推論状態における文脈依存摂動分布を予測し、バックボーンを凍結させながらGRPOスタイルのポリシー最適化を訓練する。
論文 参考訳（メタデータ） (2026-02-15T09:57:47Z) - Causal Inference as Distribution Adaptation: Optimizing ATE Risk under Propensity Uncertainty [0.0]
我々は、分散シフトの下で、ATE推定をテキストドメイン適応問題として再フレーミングする。
結果モデルの共同学習を行うためのtextbfJoint Robust Estimator (JRE) を提案する。
論文 参考訳（メタデータ） (2025-12-19T21:40:46Z) - On the Optimal Construction of Unbiased Gradient Estimators for Zeroth-Order Optimization [57.179679246370114]
既存の手法の潜在的な制限は、ステップサイズが提案されない限り、ほとんどの摂動推定器に固有のバイアスである。
本稿では, 良好な構成を維持しつつ, バイアスを排除した非バイアス勾配スケーリング推定器のファミリーを提案する。
論文 参考訳（メタデータ） (2025-10-22T18:25:43Z) - Stochastic Optimization with Optimal Importance Sampling [49.484190237840714]
本稿では,両者の時間的分離を必要とせずに,意思決定とIS分布を共同で更新する反復型アルゴリズムを提案する。
本手法は,IS分布系に対する目的的,軽度な仮定の凸性の下で,最小の変数分散を達成し,大域収束を保証する。
論文 参考訳（メタデータ） (2025-04-04T16:10:18Z) - Adaptive Bayesian Optimization for Robust Identification of Stochastic Dynamical Systems [4.0148499400442095]
本稿では,システム係数と雑音分散を含む線形導出システムの同定について述べる。
ベイズ最適化に基づく標本効率のよい大域最適化法を提案する。
実験により、EGPに基づくBOは定常フィルタリングと期待最大化によりMLEを一貫して上回ることを示した。
論文 参考訳（メタデータ） (2025-03-09T01:38:21Z) - Bounds in Wasserstein Distance for Locally Stationary Processes [0.29771206318712146]
本研究では,局所定常(LSP)データに適した条件付き確率分布推定器を提案する。
我々は、ワーッサーシュタイン計量の下で、NWに基づく条件付き確率推定器の収束率を厳格に設定する。
合成データセットの広範な数値シミュレーションを行い,実世界のデータを用いた実証検証を行った。
論文 参考訳（メタデータ） (2024-12-04T15:51:22Z) - Generalization Bounds of Surrogate Policies for Combinatorial Optimization Problems [53.03951222945921]
我々はスムーズな(摂動された)ポリシーを解析し、線形オラクルが使用する方向に対して制御されたランダムな摂動を付加する。
我々の主な貢献は、過剰リスクを摂動バイアス、統計的推定誤差、最適化誤差に分解する一般化境界である。
車両のスケジューリングやスムーズ化がトラクタブルトレーニングと制御された一般化の両方を可能にしていることを示す。
論文 参考訳（メタデータ） (2024-07-24T12:00:30Z) - Statistical Properties of Robust Satisficing [5.0139295307605325]
Robust Satisficing(RS)モデルは、堅牢な最適化に対する新たなアプローチである。
本稿では,RSモデルの理論的特性を包括的に解析する。
実験の結果,RSモデルは小サンプル体制における基礎的経験的リスクを常に上回ることがわかった。
論文 参考訳（メタデータ） (2024-05-30T19:57:28Z) - Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。
本手法は, 精度の高い問題に特に適している。
提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
論文 参考訳（メタデータ） (2023-11-08T00:10:21Z) - REAK: Reliability analysis through Error rate-based Adaptive Kriging [2.066555810789929]
本稿では、誤り率に基づく適応クリギング(REAK)による信頼性解析を提案する。
ここではリンデベルク条件に基づく中央極限定理の拡張を用いて、間違った符号推定を持つ設計サンプルの分布を導出する。
その結果,REAKは最先端手法と比較して計算要求を最大50%削減できることがわかった。
論文 参考訳（メタデータ） (2020-02-04T03:47:20Z)
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。