文献
J-GLOBAL ID:202202218619622094   整理番号:22A0906924

複数の非階層的低忠実度データを組み込むための多忠実度代理モデリングアプローチ【JST・京大機械翻訳】

A multi-fidelity surrogate modeling approach for incorporating multiple non-hierarchical low-fidelity data
著者 (6件):
資料名:
巻: 51  ページ: Null  発行年: 2022年 
JST資料番号: T0593A  ISSN: 1474-0346  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:
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。
複数忠実度(MF)代理モデルは,シミュレーションベースの設計問題で広く使用され,異なる忠実度レベルを持つデータを統合することによって,計算コストを低減する。既存のMFモデリング法の大部分は,階層的低忠実度(LF)モデルの問題にのみ適用可能であり,すなわち,多重LFモデルの忠実度レベルを同定することができる。しかし,異なる単純化法から得られたLFモデルの忠実度レベルは設計空間でしばしば変化する。この課題に取り組むために,複数の非階層的LFモデルを柔軟に扱うことができる非階層的Co-Krigingモデリング(NHLF-Co-Kriging)法を本研究で開発した。提案方法において,多重LFモデルを種々のスケール因子によってスケールし,そして,不一致モデルをHFモデルとアンサンブルLFモデルの間の差異を表現するために利用した。矛盾するGauss過程(GP)モデルを適合させるのが容易であるために,その目的が矛盾GPモデルの予測値の2次導関数を最小化することを目標とする最適化問題を定義して,LFモデルの最適スケール因子を得た。NHLF-Co-Kriging法の性能を,拡張Co-Krigingモデルおよびいくつかの分析例および工学事例による線形回帰MF代理モデルと比較した。結果は,提案方法が多重LFモデルのためにより妥当なスケール因子を選択し,限られた計算予算の下でより正確なMF代理モデルを提供することを示した。Copyright 2022 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
資材管理 
タイトルに関連する用語 (2件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る