文献

J-GLOBAL ID：201802257287397899   整理番号：18A0609533

構成モデル誤差と不確実性の定量化【Powered by NICT】

Constitutive model error and uncertainty quantification

著者 (3件)： Franck Isabell M. (IPT - Insight Perspective Technologies GmbH, Germany) ,  Franck Isabell M. (Continuum Mechanics Group, Technical University of Munich, Germany) ,  Koutsourelakis P.S. (Continuum Mechanics Group, Technical University of Munich, Germany)
資料名： Proceedings in Applied Mathematics & Mechanics  (Proceedings in Applied Mathematics & Mechanics)
巻： 17  号： 1  ページ： 865-868  発行年： 2017年 
JST資料番号： W2728A  ISSN： 1617-7061  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,弾性静力学の文脈における高次元逆問題のための新しいBayes戦略を提案した。パラメトリック不確実性とは別に,モデル不適切さ,特に,構成モデル誤差も検討した。推論された材料特性を決定/診断を行うために使用する場合,これは生物医学設定において特に重要である。伝統的なアプローチは基礎をなすモデル誤差の付加的な回帰モデル(例えば,Gauss過程)を用いて,モデル出力またはサブモデル考慮に添加した。これは物理的制約を破ることができ,高次元における実用的でなくなる。本研究では,モデルの不一致を推定するための保存と構成則を明らかにする。添加では,効率的なBayes戦略を採用した。エラストグラフィでは,組織の未知の機械的性質ならびに関連する不確実性の正確な同定は,非侵襲的,医療診断を大いに助けることができる。Copyright 2018 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 高次元 ,  回帰モデル ,  弾性 ,  逆問題 ,  Gauss過程 ,  静力学 ,  *不確実性
準シソーラス用語： 非侵襲 ,  組織弾性イメージング ,  構成則 ,  モデル出力 ,  生物医学 ,  材料特性 ,  パラメトリック不確実性 ,  *モデル誤差 , 【Automatic Indexing@JST】

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (3件)： モデル誤差 ,  不確実性 ,  定量化