文献

J-GLOBAL ID：201802282958703295   整理番号：18A0259394

人工ニューラルネットワークを用いたサブセットシミュレーションを用いたBayes更新【Powered by NICT】

Bayesian updating with subset simulation using artificial neural networks

著者 (4件)： Giovanis Dimitris G. (Institute of Structural Analysis and Antiseismic Research, National Technical University of Athens, Greece) ,  Papaioannou Iason (Engineering Risk Analysis Group, Technische Universitaet Muenchen, Germany) ,  Straub Daniel (Engineering Risk Analysis Group, Technische Universitaet Muenchen, Germany) ,  Papadopoulos Vissarion (Institute of Structural Analysis and Antiseismic Research, National Technical University of Athens, Greece)
資料名： Computer Methods in Applied Mechanics and Engineering  (Computer Methods in Applied Mechanics and Engineering)
巻： 319  ページ： 124-145  発行年： 2017年 
JST資料番号： E0856A  ISSN： 0045-7825  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： 数値モデルのサンプリングベースのBayes推論におけるバスの計算効率を増加させるために,構造信頼性法(BUS)を用いたBayes更新の枠組みにおける人工神経回路網(ANN)を実装したハイブリッド方法論を提案した。特に,ANNsは,サブセットシミュレーション(SuS)バスに組み込んだ。基本概念は,サブセット試料の必要数の割合とSuSの各サブセットにおけるANNを訓練し,残りの試料を生成するために訓練されたANNを採用した。これはANN推定によるSuS内Markov Chain Monte Carlo(MCMC)シミュレーションの候補サンプル点でモデル評価を置き換えることにより達成される。代理の精度を保証するために,各ANN推定を一連の条件に対して試験した。ANNの訓練は最適スケーリングを用いたMCMC(Markov連鎖モンテカルロ)で強化されたバスの適応変異体にに特別に調整した。適用性,ならびに提案した方法の効率は,三のテストケースで数値結果により検討した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *部分集合 ,  Markov連鎖 ,  モンテカルロ法 ,  *シミュレーション ,  適応性 ,  Bayes推定 ,  *ニューラルネットワーク
準シソーラス用語： テストケース ,  MCMC ,  モデル評価 ,  構造信頼性 ,  計算効率 ,  数値モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： Bayes更新 ,  部分集合シミュレーション ,  人工ニューラルネットワーク ,  MCMC

分類 (2件)： 構造力学一般  (HD01000X) ,  数値計算  (JE02000J)

タイトルに関連する用語 (3件)： 人工ニューラルネットワーク ,  サブセットシミュレーション ,  更新