モデルブリッジング:シミュレーションモデルとニューラルネットワーク間の接続【JST・京大機械翻訳】

Kisamori Keiichi; Yamazaki Keisuke; Komori Yuto; Tokieda Hiroshi

プレプリント

J-GLOBAL ID：202202219861173174 整理番号：22P0066508

モデルブリッジング:シミュレーションモデルとニューラルネットワーク間の接続【JST・京大機械翻訳】

Model Bridging: Connection between Simulation Model and Neural Network

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 (4件)： , , ,
資料名：
発行年： 2019年06月22日プレプリントサーバーでの情報更新日： 2020年07月21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)

機械学習,特に深層ニューラルネットワークの可読性は,実世界アプリケーションにおける意思決定にとって極めて重要である。1つのアプローチは,解釈のための単純な構造を持つ代理モデルと非解釈可能機械学習モデルを置き換える。もう一つのアプローチは,解釈可能なシミュレーションパラメータを有する人間知識によってモデル化されたシミュレーションを用いて,目標システムを理解することである。最近,シミュレータ較正をカーネル平均埋込みに基づいて開発し,事後分布としてシミュレーションパラメータを推定した。著者らのアイデアは,解釈可能な代理モデルとしてシミュレーションモデルを用いることである。しかし,シミュレータ較正の計算コストはシミュレーションモデルの複雑性のために高い。したがって,これらの困難に対処するために,一連のカーネル平均埋込みによるシミュレーションモデルによる機械学習モデルを橋渡しするための「モデルブリッジ」フレームワークを提案した。提案したフレームワークは,シミュレーションの計算機的に高価な計算なしで,予測と解釈可能なシミュレーションパラメータを同時に得ることができる。本研究では,生産シミュレーションや流体力学シミュレーションのような製造業における本質的なシミュレーションに提案フレームワークを適用した。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る