文献
J-GLOBAL ID:202102279609390488   整理番号:21A3197998

亀裂構造の確率的破壊評価に関するアクティブ学習ベースKNNモンテカルロシミュレーション【JST・京大機械翻訳】

Active learning-based KNN-Monte Carlo simulation on the probabilistic fracture assessment of cracked structures
著者 (7件):
資料名:
巻: 154  ページ: Null  発行年: 2022年 
JST資料番号: D0802B  ISSN: 0142-1123  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: イギリス (GBR)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
複雑な亀裂構造の破壊確率(POF)評価は,工学構造物の信頼性評価における困難な作業である。構造の複雑性のために,バランス効率と精度がPOF計算におけるトップ関心事であった。本研究では,AKNN-MCS(Active Learning-based K-Nearest Monte-Monte Carloシミュレーション)と呼ばれる新しい確率的解法を提案した。能動学習戦略とKNNアルゴリズムを結合して,この方法は,いくつかのサンプルを用いて正確なPOF結果を得ることができた。詳細に,POF計算を分類問題として扱った。学習関数を提案し,限界状態表面近傍のサンプル点を選択した。次に,選択したサンプル点を訓練データセットTに追加した。収束基準を定義し,Tの濃縮を停止させる。上記の能動学習戦略のおかげで,訓練されたKNNモデルは,必要な少数の訓練サンプルだけを有する大きな一般化能力を持っている。提案した方法を,CT試料の表面半楕円亀裂とPOF評価を含む有限厚さ板のPOF評価により検証した。結果は,AKNN-MCSがほぼ同一のPOF結果に対してMCSよりも3または4桁効率的であることを示した。Copyright 2021 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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
金属材料 

前のページに戻る