文献

J-GLOBAL ID：202002249111466382   整理番号：20A2628372

PDEMベース高次元信頼性解析のためのアクティブ学習とアクティブ部分空間強化【JST・京大機械翻訳】

Active learning and active subspace enhancement for PDEM-based high-dimensional reliability analysis

著者 (4件)： Zhou Tong (State Key Laboratory of Disaster Reduction in Civil Engineering, Tongji University, Shanghai 200092, PR China) ,  Zhou Tong (College of Civil Engineering, Tongji University, Shanghai 200092, PR China) ,  Peng Yongbo (State Key Laboratory of Disaster Reduction in Civil Engineering, Tongji University, Shanghai 200092, PR China) ,  Peng Yongbo (Shanghai Institute of Disaster Prevention and Relief, Tongji University, Shanghai 200092, PR China)
資料名： Structural Safety  (Structural Safety)
巻： 88  ページ： Null  発行年： 2021年 
JST資料番号： A0261B  ISSN： 0167-4730  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： 本研究では,AL-AS-GPR-PDEMと呼ばれる効率的な信頼性法を提案し,有効部分空間(AS)ベース次元縮小と能動学習(AL)ベースサンプリング戦略の両方によって強化された確率密度進化法(PDEM)とGaussプロセス回帰(GPR)代理モデルを効果的に組み合わせた。本方法において,AS-GPRモデルを開発して,そこで,ASとGPRを,オリジナルのパラメータ空間の潜在ASを発見するために,勾配情報のtricky必要条件を迂回するために一緒に較正した。次に,ALベースのサンプリング戦略を用いて,できるだけ少ない訓練サンプルを用いて,十分に正確なAS-GPRモデルを構築した。この処理は,各反復での新しく添加した訓練サンプルが同時に,発見された低次元ASを更新し,AS内で構築したGPRモデルを精密化するために同時に使用できることを可能にした。最後に,最終的なAS-GPRモデルを採用して,代表的点集合における構造応答の等価極値(EEV)を予測し,それによって,PDEMベースの信頼性解析を,推定EEVに基づいて容易に実行することができた。提案した方法の有効性を検証するために,地震励振の下での線形/非線形工学構造の異なる特性と動的信頼性解析による解析関数の代理モデリングの両方を含む4つの数値例に取り組んだ。提案方法は,高次元における構造信頼性解析のための満足な精度と効率であることが実証された。Copyright 2020 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： *信頼性 ,  地震 ,  Gauss過程 ,  解析関数 ,  確率密度 ,  *信頼性解析 ,  励振 ,  線形性 ,  精密化 ,  *高次元 ,  必要条件 ,  有効性 ,  次元縮小
準シソーラス用語： *能動学習 ,  *部分空間 , 【Automatic Indexing@JST】

著者キーワード (6件)： アクティブ部分空間 ,  アクティブ学習 ,  Gauss過程回帰 ,  確率密度発展法 ,  構造信頼性 ,  高次元

分類 (3件)： 構造力学一般  (HD01000X) ,  信頼性  (KB04040H) ,  構造設計一般  (RA04010E)

タイトルに関連する用語 (5件)： 高次元 ,  信頼性解析 ,  アクティブ学習 ,  部分空間 ,  強化