論文の概要: Seismic Site Response Prediction from Sparse Observations Using Finite-Element-Pretrained Latent Dynamics
- arxiv url: http://arxiv.org/abs/2609.20451v1
- Date: Thu, 17 Sep 2026 14:18:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.317709
- Title: Seismic Site Response Prediction from Sparse Observations Using Finite-Element-Pretrained Latent Dynamics
- Title（参考訳）: 有限要素予測潜在ダイナミクスを用いたスパース観測による震源応答予測
- Abstract要約: 本研究は、応答方程式に対する転送可能強制型遅延オートエンコーダを提案する。
FLARE-Tは高密度有限要素シミュレーションから低次元応答多様体と入力駆動力学を学習する。
ショートレスポンスウィンドウは各予測を初期化し、完全なベースモーションは応答を駆動する。
- 参考スコア（独自算出の注目度）: 7.784319214903995
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Numerical site-response predictions often deviate from observations, yet correcting these discrepancies is difficult because records are limited in both sensor coverage and number of events. This study proposes the Transfer-Enabled Forced Latent Autoencoder for Response Equations (FLARE-T) to improve these predictions by learning and calibrating low-dimensional latent dynamics that connect the base acceleration input to acceleration outputs at multiple depths. FLARE-T learns a low-dimensional response manifold and input-driven dynamics from dense finite-element simulations. It then trains a sparse encoder to map simulated sensor responses into the learned coordinates and uses limited records to calibrate the dynamics within them. A short response window initializes each prediction, while the complete base motion drives the response. The framework was evaluated using a layered-soil centrifuge test and the Lotung field vertical array. Test-set results show that FLARE-T improved multi-depth acceleration histories and 5%-damped pseudoacceleration response spectra relative to the original finite-element models, reducing errors at every evaluated sensor for motions of different intensities and, at Lotung, for both horizontal components. Two Lotung source models with different constitutive parameters achieved comparable test-set accuracy, indicating reduced dependence on precise prior calibration. FLARE-T therefore provides a data-efficient means of combining dense numerical response information with limited field records to improve future site-response predictions.
- Abstract（参考訳）: 数値的なサイト応答予測は観測から逸脱することが多いが、センサカバレッジとイベント数の両方に制限があるため、これらの不一致を補正することは困難である。
本研究では,FLARE-T(Transfer-Enabled Forced Latent Autoencoder for Response Equations)を提案する。
FLARE-Tは高密度有限要素シミュレーションから低次元応答多様体と入力駆動力学を学習する。
次に、スパースエンコーダを訓練して、シミュレーションされたセンサー応答を学習した座標にマッピングし、限られたレコードを使って内部のダイナミクスを校正する。
ショートレスポンスウィンドウは各予測を初期化し、完全なベースモーションは応答を駆動する。
本フレームワークは, 層状土壌遠心分離試験とロタングフィールド垂直アレイを用いて評価した。
テストセットの結果, FLARE-Tは, 従来の有限要素モデルと比較して, 多次元加速度履歴と5%減衰擬似加速度応答スペクトルを改善し, 異なる強度の運動に対する各センサの誤差を低減し, 両水平成分に対するLotungでの誤差を低減した。
構成パラメータが異なる2つのLotungソースモデルは、正確な事前校正への依存を減らし、比較テストセットの精度を達成した。
したがって、FLARE-Tは、密度の高い数値応答情報を限られたフィールドレコードと組み合わせ、将来のサイト応答予測を改善するデータ効率のよい手段を提供する。
関連論文リスト
- Sensitivity-Constrained Neural Operators for Data-Efficient Forward and Inverse Modeling of Partial Differential Equation Systems [7.72071408793585]
感度拘束型ニューラル演算子(SC-NOs)の研究
SC-NOs Augment Standard Training withsolvr- derived Jacobian supervision。
我々は, 対流拡散およびRANS--Spalart--Allmarasベンチマーク, 入力次元スケーリング試験, 長距離自己回帰ロールアウト, 浅海域東北津波震源反転事例についてSC-NOsの評価を行った。
論文 参考訳（メタデータ） (2026-08-30T16:37:25Z) - Physics-Informed Reinforcement Learning of Spatial Density Velocity Potentials for Map-Free Racing [73.88859384645264]
Out-Of-Distribution (OOD) の様々なレーストラックへの一般化は、機械学習(ML)を用いて、エンドツーエンド制御のためのセンサデータと車両アクチュエーターの間の数学的関係を符号化する。
本稿では,非幾何学的,物理インフォームド報酬を用いた深度測定のスペクトル分布から非線形車両動特性をパラメータ化して,ニューラルネットワーク(ANN)による車両の時間最適・乗換レース制御を推定するDRL法を提案する。
このポリシーは、経験的なパセジカタイヤモデルに似たタイヤのダイナミックスで摩擦円を最大化することで、OODトラックの12%で人間のデモより優れています。
論文 参考訳（メタデータ） (2026-04-10T17:12:07Z) - Diffusion-based Inverse Model of a Distributed Tactile Sensor for Object Pose Estimation [45.95486121114164]
我々は,デノナイズ拡散を用いた逆触覚センサモデルを学習し,触覚データを効率的に活用してポーズ推定を行う。
このモデルは、分布した触覚センサからの触覚観測に基づいて調整され、幾何学的センサーモデルを用いてシミュレーションで訓練される。
オンラインポーズ推定では,提案手法を用いて逆モデルと粒子フィルタを統合する。
論文 参考訳（メタデータ） (2026-01-19T17:36:28Z) - The power of dynamic causality in observer-based design for soft sensor applications [0.7965327033045845]
本稿では,動的因果解析により観測者に基づくソフトセンサを最適化するための新しい枠組みを提案する。
センサ選択への伝統的なアプローチは、複雑なシステムの時間的進化を捉えるのに失敗する線形化された可観測性指数や統計的相関に依存することが多い。
論文 参考訳（メタデータ） (2025-09-14T16:27:58Z) - FLRNet: A Deep Learning Method for Regressive Reconstruction of Flow Field From Limited Sensor Measurements [0.2621730497733947]
スパースセンサ計測による流れ場再構成のための深層学習手法であるFLRNetを導入する。
各種流動条件およびセンサ構成下でのFLRNetの再構成能力と一般化性について検証した。
論文 参考訳（メタデータ） (2024-11-21T03:40:34Z) - KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。
我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。
我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
論文 参考訳（メタデータ） (2024-07-18T05:48:24Z) - Visual-tactile sensing for Real-time liquid Volume Estimation in
Grasping [58.50342759993186]
変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。
我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。
ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
論文 参考訳（メタデータ） (2022-02-23T13:38:31Z) - Deep Impulse Responses: Estimating and Parameterizing Filters with Deep
Networks [76.830358429947]
高雑音および地中設定におけるインパルス応答推定は難しい問題である。
本稿では,ニューラル表現学習の最近の進歩に基づいて,インパルス応答のパラメータ化と推定を行う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） (2022-02-07T18:57:23Z) - DICP: Doppler Iterative Closest Point Algorithm [5.934931737701265]
本稿では,瞬時視線速度を計測できる距離センサの点雲登録のための新しいアルゴリズムであるドップラーICPを提案する。
本稿では,各点のドップラー計測とセンサの現在の動き推定との整合性を利用した新しいドップラー速度客観的関数を提案する。
その結果,ドップラー速度勾配によって導かれる高速収束の利点を付加することにより,登録精度において大幅な性能向上が得られた。
論文 参考訳（メタデータ） (2022-01-28T05:51:07Z) - Data-aided Sensing for Gaussian Process Regression in IoT Systems [48.523643863141466]
我々は,インターネット・オブ・シングス・システムにおいて,センサから収集したデータセットの学習にデータアシストセンシングを用いる。
データ支援センシングによるガウス過程回帰の精度向上に寄与し,予測によるマルチチャネルALOHAの修正が有効であることを示す。
論文 参考訳（メタデータ） (2020-11-23T20:59:51Z)
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。