論文の概要: Latent variable models for simultaneous EOV identification and removal in population-based SHM

• arxiv url: http://arxiv.org/abs/2608.11995v1
• Date: Wed, 12 Aug 2026 12:33:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.570894
• Title: Latent variable models for simultaneous EOV identification and removal in population-based SHM
• Title（参考訳）: 集団型SHMにおけるEOV同時同定と除去のための潜時変動モデル
• Abstract要約: 環境・運用変動性(EOV)の治療は、人口ベース構造健康モニタリング(PBSHM)におけるオープンな課題である。 本稿では、潜在EOVを状態空間ガウス過程としてキャストし、カルマンフィルタによる引き込み可能な$mathcalO(T)$推論を可能にする。 ラプラス近似を用いて、潜伏EOVとEOVのない残像の集団レベルでの同定を可能にする頑健な階層型ベイズ同定フレームワークを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The robust treatment of environmental and operational variability (EOV) is an open challenge in population-based structural health monitoring (PBSHM). The difficulty is compounded in the case that the EOV signals are unmeasured. A common approach in conventional SHM is to apply \emph{projection-based} methods that discard subspaces of healthy feature data, reasoning that the EOV signal dominates the variance of the measured features. However, a common pitfall of projection-based approaches is that when damage acts close to the same variance-dominant direction, damage sensitivity is removed along with the EOV. An alternative identifying assumption for the removal of particular unmeasured EOVs is slowness; the latent EOV process is characterised by its long temporal correlation. In this paper, the latent EOV is cast as a state-space Gaussian process, enabling tractable $\mathcal{O}(T)$ inference via a Kalman filter. A robust hierarchical Bayesian identification framework is developed that enables population-level identification of latent EOVs and EOV-free residual features, using a Laplace approximation. The approach is first validated on a single laboratory-scale benchmark structure from the literature, subject to thermal EOVs, demonstrating robust damage detection and EOV recovery. The method is then applied to a simulated nine-turbine offshore wind farm with staggered deployment and damage, where it delivers a substantial true-positive uplift over projection and cointegration-based baselines at matched false-positive rates.
• Abstract（参考訳）: 環境と運用の変動性(EOV)の堅牢な治療は、人口ベース構造健康モニタリング(PBSHM)におけるオープンな課題である。 EOV信号が未測定の場合、難易度は複雑になる。 従来のSHMでは、EOV信号が測定された特徴の分散を支配しているとして、健康な特徴データの部分空間を破棄するemph{projection-based}法が一般的である。 しかし、プロジェクションベースアプローチの共通の落とし穴は、同じ分散支配方向に近い損傷が作用すると、EOVとともに損傷感度が除去されることである。 特定の未測定EOVを除去するための別の仮定は遅く、潜伏EOV過程はその長期の時間的相関によって特徴づけられる。 本稿では、潜在EOVを状態空間ガウス過程としてキャストし、カルマンフィルタによる引き込み可能な$\mathcal{O}(T)$推論を可能にする。 ラプラス近似を用いて、潜伏EOVとEOVのない残像の集団レベルでの同定を可能にする頑健な階層型ベイズ同定フレームワークを開発した。 この手法は、熱的EOVを対象とし、ロバストな損傷検出とEOV回復を示す1つの実験室規模のベンチマーク構造で最初に検証された。 この手法は、静止配置と損傷が停滞したシミュレートされた9基の沖合風力発電所に適用され、プロジェクションに対する実質的な正の上昇と、一致した偽陽性率での統合ベースのベースラインを提供する。

関連論文リスト

• Freezing of Gait Prediction Under Spatial Occlusion: An IMU-Supervised Cross-Modal Distillation Approach [0.0]
  パーキンソン病(英: Parkinson disease)は、運動制御の段階的な低下を特徴とする進行性神経変性疾患である。 自動フリーズ・オブ・ゲイト(FOG)検出は歩行関連運動障害の客観的評価を支援する。 FOG予測には, (i) 患者の動作の映像記録を分析し, (ii) 下肢に装着した慣性計測装置(IMU) ウェアラブルセンサを用いて収集したデータを解析する。 ビデオベースのアプローチは、下肢が相当な幾何学的自己閉塞を受けており、ポーズ推定の精度が低下するため、連続的なターン・イン・プレイス・タスク中に検出エラーを被る可能性がある。
  論文  参考訳（メタデータ） (2026-09-09T07:29:13Z)
• TTSD-FAR: Test-Time Self-Distillation with Fisher-Anchored Restoration for Missing-Modality Emotion Recognition in LVLMs [83.78708832901194]
  大規模ビデオ言語モデル(LVLM)は、野生のマルチモーダル感情認識(ER)のようなマルチモーダルタスクにおいて顕著なパフォーマンスを示している。 しかし、現実のデプロイメントは依然として困難であり、テスト時にモダリティが欠落したりうる。 凍結した教師が自己蒸留により適応的な低学級の生徒を指導する手法を提案する。 MELD, DFEW, BAHを0%-50%のモダリティで実験した結果, この統一型適応復元設計はエントロピーベースの適応, RAG, およびパープレキシティベースの生成より一貫して優れていた。
  論文  参考訳（メタデータ） (2026-08-18T23:40:28Z)
• Uncertainty-Guided LLM Semantic Augmentation for Heterogeneous Treatment Effect Estimation [9.269164572474216]
  不均一な治療効果を推定することは、パーソナライズされたプロモーションや精密な医療など、標的となる介入の中心である。 本研究では, 条件付き平均治療効果 (CATE) に着目した。 提案するCURL(Causal Uncertainty-Guided Representation Learning)は,推定器の不確実性を利用して,事前学習した意味能力を局所不安定単位に割り当てるプラグインアダプタである。
  論文  参考訳（メタデータ） (2026-07-29T08:20:17Z)
• Uncertainty-aware damage identification in short-span bridges via physics-informed variational autoencoder [0.4893345190925178]
  本研究は,構造的健康モニタリングのための物理インフォームドガウスコーパス変分オートエンコーダを提案する。 我々は、潜伏変数の従来の独立性仮定をガウスコプラに置き換える。 その結果、PI-VAEは真の後部分布を正確に回復し、77.2%のカバレッジを達成した。
  論文  参考訳（メタデータ） (2026-07-06T13:02:36Z)
• Von Mises Based Uncertainty Quantification for Closely Spaced Automotive Radar Targets [0.5378499388029053]
  本研究は,自動車レーダの到達方向推定(DOA)に対する不確実性を考慮した深層学習手法について検討する。 円形のvon Mises(VM)アンサンブル(ENS)を、通常の逆ガンマ定式化に基づく明らかな深層学習(EDL)フレームワークと比較する。 ENSは名目条件下では低い不確実性を実現し、重度の摂動に対して強い感度を示す一方、EDLはよりスムーズな不確実性変化とわずかに改善されたランキング整合性を提供する。
  論文  参考訳（メタデータ） (2026-06-30T10:49:45Z)
• Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
  Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。 NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
  論文  参考訳（メタデータ） (2026-05-21T16:45:31Z)
• Function-Space Decoupled Diffusion for Forward and Inverse Modeling in Carbon Capture and Storage [65.51149575007149]
  本稿では,Fun-DDPSについて述べる。Fun-DDPSは,関数空間拡散モデルと微分可能なニューラル演算子サロゲートを結合した生成フレームワークである。 Fun-DDPSは、ジョイントステートベースラインで観察される高周波アーティファクトから、物理的に一貫した実現をもたらす。
  論文  参考訳（メタデータ） (2026-02-12T18:58:12Z)
• Deep evolving semi-supervised anomaly detection [14.027613461156864]
  本研究の目的は,連続的半教師付き異常検出(CSAD)のタスクを形式化することである。 本稿では,半教師付きデータを扱うための変分オートエンコーダ(VAE)のベースラインモデルを提案する。
  論文  参考訳（メタデータ） (2024-12-01T15:48:37Z)
• Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
  本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。 さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。 提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
  論文  参考訳（メタデータ） (2023-11-27T13:14:06Z)
• Are we certain it's anomalous? [57.729669157989235]
  時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。 本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。 HypADは自己指導で入力信号を再構築する。
  論文  参考訳（メタデータ） (2022-11-16T21:31:39Z)
• Statistical control for spatio-temporal MEG/EEG source imaging with desparsified multi-task Lasso [102.84915019938413]
  脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。 ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。 この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-09-29T21:17:16Z)

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。