文献

J-GLOBAL ID：202202264768290611   整理番号：22A0439779

構造信頼性解析における機械学習に基づく方法:レビュー【JST・京大機械翻訳】

Machine learning-based methods in structural reliability analysis: A review

著者 (4件)： Saraygord Afshari Sajad (Department of Mechanical Engineering, University of Manitoba, Winnipeg, MB, Canada) ,  Enayatollahi Fatemeh (School of Engineering, University of British Columbia, Kelowna, British Columbia, Canada) ,  Xu Xiangyang (School of Mechatronics and Vehicle Engineering, Chongqing Jiaotong University, Chongqing, China) ,  Liang Xihui (Department of Mechanical Engineering, University of Manitoba, Winnipeg, MB, Canada)
資料名： Reliability Engineering & System Safety  (Reliability Engineering & System Safety)
巻： 219  ページ： Null  発行年： 2022年 
JST資料番号： D0980B  ISSN： 0951-8320  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 構造信頼性解析(SRA)は,土木および機械工学における顕著な分野のひとつである。しかし,ほとんどの場合の正確なSRAは複雑で高価な数値問題を扱う。機械学習ベース(ML)技法を,この巨大な計算コストと精度増加を取り扱うためにSRA問題に導入した。本論文では,SRAにおけるMLモデルの開発と利用のレビューを示した。レビューは,SRAで使用される最も一般的なタイプのML法を含む。より具体的には,人工ニューラルネットワーク(ANN),サポートベクターマシン(SVM),Bayes法,およびSRAにおけるアクティブ学習展望によるKriging推定の適用を説明し,これらの分野における顕著な文献の最先端レビューを提示した。高速で正確なSRAに向けて,モンテカルロシミュレーション(MCS),第一/二次信頼性法(FORM/SORM)またはMCSによる限界状態関数の近似のために採用したML技法を,複雑な構造システムにおけるまれな事象の確率を効率的に計算するための方法として,重要なサンプリングと共に,よくサンプリングした。この点に関して,現在の原稿の焦点は,異なるモデルの構造と,SRAの異なる側面における各ML法の多様な応用である。さらに,SRA目的のためのモンテカルロシミュレーションにおける試料の管理とパターン認識または分類タスクとしてのSRA問題の処理に関する必須な考察を提供した。本レビューは,土木および機械工学における研究者,特に信頼性および構造分析に焦点を当て,あるいは製品保証問題を扱うことを助ける。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： パターン認識 ,  構造解析 ,  機械工学 ,  *信頼性 ,  品質保証 ,  ニューラルネットワーク ,  *信頼性解析 ,  土木工学 ,  *機械学習 ,  サポートベクトルマシン
準シソーラス用語： 能動学習 ,  モンテカルロシミュレーション ,  限界状態関数 ,  計算コスト ,  Bayes法 , 【Automatic Indexing@JST】

著者キーワード (8件)： 構造信頼性 ,  代理モデリング ,  応答曲面法 ,  モンテカルロシミュレーション ,  人工ニューラルネットワーク ,  サポートベクトルマシン ,  Bayes解析 ,  クリギング推定

分類 (1件)： 信頼性  (KB04040H)

タイトルに関連する用語 (3件)： 信頼性解析 ,  機械学習 ,  レビュー