論文の概要: Exemplar-based objective classification of gust-induced loads across multiple flight conditions

• arxiv url: http://arxiv.org/abs/2608.12448v1
• Date: Wed, 12 Aug 2026 17:43:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.292932
• Title: Exemplar-based objective classification of gust-induced loads across multiple flight conditions
• Title（参考訳）: 複数の飛行条件におけるガスト誘起荷重の実証的客観的分類
• Abstract要約: 多くの飛行条件におけるガスト負荷の複雑さを整理する客観的な分類基準を見つけることが可能である。 提案手法は,機械学習表現による多数の実験観測を符号化し,高度に有意な例の最小サブセットを選択するために要約手順を適用した。 本研究では,6つの飛行姿勢のフライングウィングモデル上で,ランダムガストにより誘導される3480の圧力負荷測定データベースへのアプローチを実証する。
• 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: Is it possible to find an objective classification criterion that organizes the complexity of gust-induced loads across many flight conditions? And one that remains as interpretable as a labelling based on coarse parameters, such as the flight attitude? Our approach encodes a large number of experimental observations through a machine-learned representation and applies a summarization procedure to select a minimal subset of highly significant exemplars. The exemplars provide a similarity-based objective classification criterion of all the observations, they can be more conveniently inspected by experts and can become subject of more refined experiments. We demonstrate the approach on a database of 3480 pressure-load measurements induced by random gusts on a flying-wing model across six flight attitudes. We find nine fundamental response types that recur across multiple attitudes; analysis of a type's transient response enables physical intuition into the underlying fluid mechanics.
• Abstract（参考訳）: 多くの飛行条件でガスト誘起負荷の複雑さを整理する客観的な分類基準を見つけることは可能か? そして、飛行姿勢のような粗いパラメータに基づいたラベリングのように解釈できるもの? 提案手法は,機械学習表現による多数の実験観測を符号化し,高度に有意な例の最小サブセットを選択するために要約手順を適用した。 専門家によってより便利に検査され、より洗練された実験の対象となることができる。 本研究では,6つの飛行姿勢のフライングウィングモデル上で,ランダムガストにより誘導される3480の圧力負荷測定データベースへのアプローチを実証する。 複数の姿勢にまたがって再帰する9つの基本応答型を見出す; 型の一過性応答の解析は、基礎となる流体力学の物理的直観を可能にする。

関連論文リスト

• Learning to Align Generative Appearance Priors for Fine-grained Image Retrieval [54.09324791167742]
  GAPanは、カテゴリー予測から外観モデリングへの学習目標を再構成するアライメントネットワークである。 GAPanは、広く使われている細粒度ベンチマークと粗粒度ベンチマークの両方で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-05-11T01:35:26Z)
• DeepTaxon: An Interpretable Retrieval-Augmented Multimodal Framework for Unified Species Identification and Discovery [45.28140700804044]
  DeepTaxonは、種同定と発見を統一する検索強化フレームワークである。 我々は、合成検索強化データに基づく教師付き微調整により、このフレームワークを訓練する。 大規模な分布内ベンチマークと6つの分布外データセットの実験は、識別と発見の両方において一貫した改善を示している。
  論文  参考訳（メタデータ） (2026-04-27T04:30:54Z)
• Plane Detection and Ranking via Model Information Optimization [3.008906408145323]
  深度画像からの平面検出は、幅広いロボット応用において重要なサブタスクである。 モデル情報最適化に基づく平面検出のための一般化されたフレームワークを提案する。 合成データを用いた実験により,これらの特性を検証し,より正確に平面パラメータを推定できることを見出した。
  論文  参考訳（メタデータ） (2025-08-13T08:56:05Z)
• Variational Classification [51.2541371924591]
  我々は,変分オートエンコーダの訓練に用いるエビデンスローバウンド(ELBO)に類似した,モデルの訓練を目的とした変分目的を導出する。 軟質マックス層への入力を潜伏変数のサンプルとして扱うことで, 抽象化された視点から, 潜在的な矛盾が明らかとなった。 我々は、標準ソフトマックス層に見られる暗黙の仮定の代わりに、選択された潜在分布を誘導する。
  論文  参考訳（メタデータ） (2023-05-17T17:47:19Z)
• Bayesian Hierarchical Models for Counterfactual Estimation [12.159830463756341]
  本稿では,多種多様なカウンターファクトの集合を推定する確率的パラダイムを提案する。 摂動を事前分布関数によるランダム変数として扱う。 収束特性の優れた勾配ベースサンプリング器は、後方サンプルを効率的に計算する。
  論文  参考訳（メタデータ） (2023-01-21T00:21:11Z)
• Predicting Out-of-Domain Generalization with Neighborhood Invariance [59.05399533508682]
  局所変換近傍における分類器の出力不変性の尺度を提案する。 私たちの測度は計算が簡単で、テストポイントの真のラベルに依存しません。 画像分類,感情分析,自然言語推論のベンチマーク実験において,我々の測定値と実際のOOD一般化との間に強い相関関係を示す。
  論文  参考訳（メタデータ） (2022-07-05T14:55:16Z)
• Resolving label uncertainty with implicit posterior models [71.62113762278963]
  本稿では,データサンプルのコレクション間でラベルを共同で推論する手法を提案する。 異なる予測子を後部とする生成モデルの存在を暗黙的に仮定することにより、弱い信念の下での学習を可能にする訓練目標を導出する。
  論文  参考訳（メタデータ） (2022-02-28T18:09:44Z)
• CARMS: Categorical-Antithetic-REINFORCE Multi-Sample Gradient Estimator [60.799183326613395]
  本稿では, 相互に負に相関した複数のサンプルに基づく分類的確率変数の非バイアス推定器を提案する。 CARMSは、ReINFORCEとコプラベースのサンプリングを組み合わせることで、重複サンプルを回避し、その分散を低減し、重要サンプリングを使用して推定器を偏りなく維持する。 我々は、生成的モデリングタスクと構造化された出力予測タスクに基づいて、いくつかのベンチマークデータセット上でCARMSを評価し、強力な自己制御ベースラインを含む競合する手法より優れていることを示す。
  論文  参考訳（メタデータ） (2021-10-26T20:14:30Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Detecting Anomalies from Video-Sequences: a Novel Descriptor [6.110023734724779]
  本稿では,群集行動解析と異常検出のための新しい記述子を提案する。 目標は、群衆におけるグループの形成と崩壊の速度を適切なパターンで測定することである。
  論文  参考訳（メタデータ） (2020-10-13T14:07:43Z)
• Learning from Aggregate Observations [82.44304647051243]
  本研究では,一組のインスタンスに監視信号が与えられる集合観察から学習する問題について検討する。 本稿では,多種多様な集合観測に適合する一般的な確率的枠組みを提案する。 単純な極大解は様々な微分可能なモデルに適用できる。
  論文  参考訳（メタデータ） (2020-04-14T06:18:50Z)

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。