文献

J-GLOBAL ID：202202271809914986   整理番号：22A0150650

適応サンプリングによる多項式カオス展開のAdaboostベースアンサンブル【JST・京大機械翻訳】

Adaboost-based ensemble of polynomial chaos expansion with adaptive sampling

著者 (3件)： Zhou Yicheng (Xi’an Modern Control Technology Research Institute, Xi’an, 710065, PR China) ,  Lu Zhenzhou (School of Aeronautics, Northwestern Polytechnical University, Xi’an, 710072, PR China) ,  Cheng Kai (School of Aeronautics, Northwestern Polytechnical University, Xi’an, 710072, PR China)
資料名： Computer Methods in Applied Mechanics and Engineering  (Computer Methods in Applied Mechanics and Engineering)
巻： 388  ページ： Null  発行年： 2022年 
JST資料番号： E0856A  ISSN： 0045-7825  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： 本研究では,不確実性定量化のためのAdaboost(Adaboost-PCE)に基づく新しい多項式カオス拡張代理モデリング法を提案した。Adaboostは機械学習分野に由来するアンサンブル学習技術である。Adaboost-PCEのアイデアは,各サンプル点に割り当てられた重みを持つ「弱い」PCEモデルを構築することである。各時間,訓練セットにおける特定のサンプル点の重みは,そのサンプルに関する代理モデルの性能に依存する。この方法で,加重最小二乗近似を用いて,異常値の影響を減らすために各サンプルの重みを利用した。Adaboost-PCEは,ほとんどの既存のアンサンブル法において明確な誤差計量を使用せずに,アンサンブル重みを推定することができるので,魅力的である。さらに,効率的な適応サンプリングを可能にする予測誤差の期待がある。提案方法は,高次元入力を有する偏微分方程式を含む一連の数値試験に関するそれらの性能の数値比較によって検証された。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： *偏微分方程式 ,  不確実性 ,  異常値 ,  高次元 ,  機械学習 ,  予測誤差
準シソーラス用語： アンサンブル学習 ,  *多項式カオス ,  最小二乗近似 ,  *適応サンプリング ,  アンサンブル法 , 【Automatic Indexing@JST】

著者キーワード (4件)： 不確実性定量化 ,  多項式カオス展開 ,  適応サンプリング ,  アンサンブル学習

分類 (3件)： 数値計算  (JE02000J) ,  構造要素一般  (HD03010W) ,  固体の機械的性質一般  (BL01021C)

タイトルに関連する用語 (4件)： 適応サンプリング ,  多項式カオス展開 ,  AdaBoost ,  アンサンブル