文献

J-GLOBAL ID：202202258776093095   整理番号：22A0652878

GEOにおける予測のための適応モンテカルロにおける並列化の有効性【JST・京大機械翻訳】

Efficacy of Parallelization in Adaptive Monte Carlo for Forecasting in GEO

著者 (3件)： VanFossen Andrew W. (The Ohio State University) ,  Mangel Alexandra (The Ohio State University) ,  Kumar Mrinal (The Ohio State University)
資料名： AIAA Conference Proceedings / Meeting Papers  (AIAA Conference Proceedings / Meeting Papers)
巻： 2022  号： AIAA SCITECH 2022 Forum  ページ： 0391  発行年： 2022年 
JST資料番号： H0236B  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 空間における不確実性予測は,データの環境飢餓によって,次元,非線形性,および非ガウス性の複合化を被る。予測フレームワークの1つの重要な目的は,意思決定プロセスをサポートするための正確でタイムリーな推定を提供することである。本論文では,粒子法の枠組みにおける複雑な動的系に対する不確実性予測の問題を研究し,適応モンテカルロ(AMC)として知られる解方法論の有効性を検討した。従来のモンテカルロ(MC)法は,初期確率密度関数の離散化とその後のシステムダイナミックスによる個々の粒子の前方伝播を含み,進化状態不確実性の近似粒子表現を得る。実装が簡単である間,従来のMCは過渡的統計的一貫性と収束批判の率の問題に直面する。一方,AMCは,アンサンブル濃縮ルーチンと同様に,推定精度に関する定義された限界を用いて,これらの問題を扱う。本論文では,閉ループ型AMCプラットフォームを採用し,ジオ同期居住空間物体の電流状態を推定するために改善した。プラットフォームは,いくつかの成分から成り,それには,プロパゲータ,性能評価者,アンサンブル薄型,および後者によるアンサンブルエンハンサーが,本論文の重要な焦点である。アンサンブルエンハンサーで利用されるアルゴリズムの有効性は,コード最適化と並列化のフレームワークの下で,詳細で改善された。最新の最先端のアンサンブルエンハンサーサブモジュールをプロファイル化し,計算ボトルネックを決定し,最適化あるいはシミュレーションアニーリングのようなより効率的な方法で置換し,並列化した。結果は,連続計算のために278%のジオ同期使用事例の実行時間の減少と並列で486%まで減少することを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *モンテカルロ法 ,  アルゴリズム ,  最適化 ,  シミュレーション ,  焼なまし ,  電流 ,  不確実性 ,  動的系 ,  精度 ,  近似法 ,  システムダイナミックス ,  伝搬関数 ,  確率密度関数
準シソーラス用語： 離散化 ,  推定精度 ,  非Gauss性 , 【Automatic Indexing@JST】

分類 (5件)： 統計学  (AB08000H) ,  ドキュメンテーション  (CA01030Q) ,  電気自動車  (QG07020B) ,  フィルタ一般  (NC04021I) ,  ドキュメンテーション  (BA01030P)

タイトルに関連する用語 (5件)： 予測 ,  適応 ,  モンテカルロ ,  並列化 ,  有効性