論文の概要: Inverse Synthesis of Shock Time Series from Shock Response Spectra Using Ensembles of Conditional Variational Autoencoders

• arxiv url: http://arxiv.org/abs/2610.12820v1
• Date: Fri, 09 Oct 2026 00:00:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.323932
• Title: Inverse Synthesis of Shock Time Series from Shock Response Spectra Using Ensembles of Conditional Variational Autoencoders
• Title（参考訳）: 条件変分オートエンコーダのアンサンブルを用いた衝撃応答スペクトルからの衝撃時系列の逆合成
• Abstract要約: 逆合成は、所定のスペクトルと一致する候補波形を求める。 我々は、マルチスケールウェーブレット係数を予測する再帰デコーダを用いて、初期の条件付き変分オートエンコーダを拡張した。 個々のモデルは潜時サンプリングの下で限定的な変動を示し、独立に訓練されたモデルの集合を動機付けている。
• 参考スコア（独自算出の注目度）: 0.11744028458220425
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The shock response spectrum (SRS) characterizes the peak responses of single-degree-of-freedom systems to transient acceleration. Because the mapping from an acceleration time series (waveform) to its SRS is many-to-one, inverse synthesis seeks candidate waveforms consistent with a prescribed spectrum. We extend an earlier conditional variational autoencoder (CVAE) framework with a recurrent decoder that predicts multiscale wavelet coefficients and reconstructs waveforms through an inverse discrete wavelet transform. Individual models exhibit limited variability under latent sampling, motivating an ensemble of independently trained models spanning different mother wavelets and decomposition levels. Each member produces a separate candidate waveform for the same target SRS. Evaluation on four held-out benchmark datasets shows lower mean and median spectral errors for the illustrated wavelet model than for the earlier direct time-domain CVAE and a sum-of-decayed-sinusoids (SDS) baseline. A conditioning study examines frequency-grid and encoding choices. Comparisons with published inverse-SRS methods demonstrate superior performance across four holdout benchmark datasets (two operational shock datasets, one earthquake dataset, and one synthetic shock dataset) and competitive performance on synthetic targets reported by Brake. Single-model inference requires approximately 0.1-0.6 ms per waveform during batched inference compared with 5-8 s for SDS, excluding offline training. This low inference cost enables rapid generation of distinct SRS-compatible candidate waveforms across the ensemble, although their physical suitability requires assessment beyond spectral agreement.
• Abstract（参考訳）: 衝撃応答スペクトル(SRS)は、一自由度系の過渡加速度に対するピーク応答を特徴付ける。 加速度時系列(波形)からSRSへの写像は多対一であるため、逆合成は所定のスペクトルに整合した候補波形を求める。 逆離散ウェーブレット変換により,マルチスケールウェーブレット係数を予測し,波形を再構成するリカレントデコーダを用いて,初期の条件付き変分オートエンコーダ(CVAE)フレームワークを拡張した。 個々のモデルは、潜伏サンプリングの下での変動が制限され、異なる母ウェーブレットと分解レベルにまたがる独立した訓練されたモデルのアンサンブルを動機付けている。 各部材は同じターゲットSRSに対して別個の候補波形を生成する。 4つのベンチマークデータセットによる評価は、以前の直接時間領域CVAEとSDS(Sum-of-decayed-sinusoids)ベースラインよりも、図示ウェーブレットモデルの平均値と中央値のスペクトル誤差が低いことを示している。 コンディショニング研究は周波数グリッドと符号化の選択について検討する。 公表された逆SRS法との比較では、4つのホールトアウトベンチマークデータセット(運用ショックデータセット2つ、地震データセット1つ、合成ショックデータセット1つ)と、Brakeが報告した合成ターゲット上での競合性能に優れていた。 単一モデル推論はバッチ推論中に1ウェーブフォームあたり0.1-0.6ミリ秒、オフライントレーニングを除く5-8ミリ秒を必要とする。 この低い推論コストは、スペクトル合意を超える評価を必要とするが、異なるSRS互換の候補波形をアンサンブル全体で高速に生成することを可能にする。

関連論文リスト

• Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
  Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。 平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
  論文  参考訳（メタデータ） (2026-09-29T11:24:19Z)
• Parameter Estimation of Ringdown Quasinormal Modes with Autoencoder [0.0]
  二元ブラックホール融合によるリングダウン重力波は準正規モード(QNM)の重ね合わせとしてモデル化できる 複数のQNMコンポーネントの信頼性の高い抽出は、モード重複とノイズのため困難である。 我々は,多成分QNM解析のためのオートエンコーダベースのフレームワークを開発し,各モードの物理パラメータを表現するために潜在空間を訓練する。
  論文  参考訳（メタデータ） (2026-09-13T04:25:02Z)
• Parameter-efficient Dual-encoder Architecture with Differentiable Choquet Integral Fusion for Underwater Acoustic Classification [43.92337343771302]
  本稿では、音響波形とスペクトログラムを同時に処理するデュアルエンコーダニューラルアーキテクチャを提案する。 潜在的な非対称なチャネル歪みによって最小に劣化した表現に動的に注意を移すことにより、提案したゲーティング機構は水中環境の非定常的課題を緩和する。
  論文  参考訳（メタデータ） (2026-06-01T14:49:38Z)
• Inverse Reconstruction of Shock Time Series from Shock Response Spectrum Curves using Machine Learning [0.0]
  本研究では,SRSからアクセラレーション時系列へのデータ駆動逆写像を学習する条件付き変分オートエンコーダを提案する。 実験では、古典的手法に対するスペクトルの忠実度の向上、目に見えないスペクトルへの強い一般化、推論速度の3～6桁の高速化が示されている。
  論文  参考訳（メタデータ） (2026-03-03T18:23:29Z)
• LSCD: Lomb-Scargle Conditioned Diffusion for Time series Imputation [55.800319453296886]
  欠落または不規則なサンプルデータを持つ時系列は、機械学習において永続的な課題である。 我々は,不規則サンプルデータのパワースペクトルの信頼性の高い計算を可能にする,異なるLombiable-Scargle層を導入する。
  論文  参考訳（メタデータ） (2025-06-20T14:48:42Z)
• DispFormer: A Pretrained Transformer Incorporating Physical Constraints for Dispersion Curve Inversion [56.64622091009756]
  本研究では、レイリー波位相と群分散曲線からプロファイルインバージョンを$v_s$とするトランスフォーマーベースのニューラルネットワークであるDispFormerを紹介する。 DispFormerは各期間に分散データを個別に処理し、ネットワークの変更やデータセットのトレーニングとテストの厳格な調整を必要とせずに、さまざまな長さを処理できる。
  論文  参考訳（メタデータ） (2025-01-08T09:08:24Z)
• Synthetic Wave-Geometric Impulse Responses for Improved Speech Dereverberation [69.1351513309953]
  室内インパルス応答 (RIR) の低周波成分を正確にシミュレートすることが, 良好な脱ヴァーベレーションを実現する上で重要であることを示す。 本研究では, ハイブリッド合成RIRで訓練された音声残響モデルが, 従来の幾何線トレーシング法により学習されたRIRで訓練されたモデルよりも優れていたことを示す。
  論文  参考訳（メタデータ） (2022-12-10T20:15:23Z)
• Conditioning Trick for Training Stable GANs [70.15099665710336]
  本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。 我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
  論文  参考訳（メタデータ） (2020-10-12T16:50:22Z)

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。