文献

J-GLOBAL ID：201802254347910293   整理番号：18A0712468

ニューラルネットワークとサポートベクトルマシンに基づくモンテカルロ法によるWHIPLASH試験モデルにおける測定不確実性評価【JST・京大機械翻訳】

Measurement uncertainty evaluation in whiplash test model via neural network and support vector machine-based Monte Carlo method

著者 (5件)： Wang Shenlong (School of Mechanical Engineering, University of Shanghai for Science and Technology, Shanghai 200093, PR China) ,  Ding Xiaohong (School of Mechanical Engineering, University of Shanghai for Science and Technology, Shanghai 200093, PR China) ,  Zhu Daye (School of Mechanical Engineering, University of Shanghai for Science and Technology, Shanghai 200093, PR China) ,  Yu Huijie (School of Mechanical Engineering, University of Shanghai for Science and Technology, Shanghai 200093, PR China) ,  Wang Haihua (Yanfeng Adient Seating Co., Ltd., Shanghai 201315, PR China)
資料名： Measurement  (Measurement)
巻： 119  ページ： 229-245  発行年： 2018年 
JST資料番号： W0315B  ISSN： 0263-2241  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 不確実性評価は,適切な量の実験データの不在下で複雑な物理システムの性能,安全性および信頼性を評価する上でますます重要な役割を果たしている。本論文では,whiplas試験モデルにおける測定不確実性の定量化を示した。複雑な非線形システムに対する不確実性の解析技術と,提案した方法論の利点と欠点を研究した。有限要素解析を導入することによって,著者らはそれらのwhiplas試験,較正試験とシミュレーション結果の間の一貫性を確かめた。また,影響因子とそれらの確率密度関数を研究し,whiplas試験モデルの感度解析を提示した。ラテン超立方体サンプリングに基づいて,数学モデルを確立するために,逆伝搬ニューラルネットワーク(BPNN)と最小二乗サポートベクトルマシン(LS-SVM)を利用した。さらに,2つのモデルの精度を検証した。不確実性測定とBayes法の誘導によって得られた結果と比較して,著者らは,LS-SVMベースのモンテカルロ法が,whiplas試験不確実性の評価のための最も適切な技術であることを実証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 感度解析 ,  シミュレーション ,  数学モデル ,  *不確実性 ,  *モンテカルロ法 ,  確率密度関数 ,  非線形系 ,  *サポートベクトルマシン ,  *ニューラルネットワーク ,  信頼性
準シソーラス用語： Bayes法 ,  逆伝播ニューラルネットワーク ,  有限要素解析 ,  *不確実性評価 ,  *測定の不確かさ , 【Automatic Indexing@JST】

著者キーワード (5件)： 測定不確実性評価 ,  w打試験 ,  逆伝搬神経回路網 ,  最小二乗サポートベクトルマシン ,  モンテカルロ法

分類 (1件)： 計測学一般  (AD01000Q)

タイトルに関連する用語 (7件)： ニューラルネットワーク ,  サポートベクトルマシン ,  モンテカルロ法 ,  試験 ,  モデル ,  測定不確実性 ,  評価