代理モデリングおよび不確実性定量化のための深いカプセルエンコーダ-デコーダネットワーク【JST・京大機械翻訳】

Thakur Akshay; Chakraborty Souvik

プレプリント

J-GLOBAL ID：202202214192885870 整理番号：22P0276913

代理モデリングおよび不確実性定量化のための深いカプセルエンコーダ-デコーダネットワーク【JST・京大機械翻訳】

Deep Capsule Encoder-Decoder Network for Surrogate Modeling and Uncertainty Quantification

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年01月19日プレプリントサーバーでの情報更新日： 2022年01月19日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

スパースデータから力学におけるシステムの代理モデリングと不確実性定量化のための新しいカプセルベースの深い符号器-デコーダモデルを提案した。提案フレームワークは,画像-画像回帰符号器-デコーダネットワークにカプセルネットワーク(CapsNet)アーキテクチャを適応することにより開発した。特に,その目的は,いくつかの名前を名付けるエンティティに関連する姿勢と位置情報を保持する,畳み込みニューラルネットワーク(CNN)に対するCapsNetの利益を利用することである。提案したアプローチの性能を,楕円確率偏微分方程式(SPDE)を解くことによって説明し,それはまた,定常熱伝導,地下水流または他の拡散プロセス,入力次元1024による不確実性定量化問題のような力学におけるシステムを支配する。しかし,問題定義はランダム拡散場を特定の共分散構造に制限せず,任意の拡散場に対する応答予測のより激しいタスクを解いた。性能評価から得た結果は,提案した方式が正確で,効率的で,ロバストであることを示した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

図形・画像処理一般 , 人工知能 , パターン認識 , ニューロコンピュータ

, , , , ,

前のページに戻る