Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "uncertainty quantification" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Uncertainty propagation in structural reliability with implicit limit state functions under aleatory and epistemic uncertainties
    Autorzy:
    Zhou, Shuang
    Zhang, Jianguo
    You, Lingfei
    Zhang, Qingyuan
    Powiązania:
    https://bibliotekanauki.pl/articles/1841668.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    structural reliability
    uncertainty quantification
    uncertainty propagation
    reliability index
    uncertainty theory
    Opis:
    Uncertainty propagation plays a pivotal role in structural reliability assessment. This paper introduces a novel uncertainty propagation method for structural reliability under different knowledge stages based on probability theory, uncertainty theory and chance theory. Firstly, a surrogate model combining the uniform design and least-squares method is presented to simulate the implicit limit state function with random and uncertain variables. Then, a novel quantification method based on chance theory is derived herein, to calculate the structural reliability under mixed aleatory and epistemic uncertainties. The concepts of chance reliability and chance reliability index (CRI) are defined to show the reliable degree of structure. Besides, the selection principles of uncertainty propagation types and the corresponding reliability estimation methods are given according to the different knowledge stages. The proposed methods are finally applied in a practical structural reliability problem, which illustrates the effectiveness and advantages of the techniques presented in this work.
    Źródło:
    Eksploatacja i Niezawodność; 2021, 23, 2; 231-241
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Discrete uncertainty quantification for offline reinforcement learning
    Autorzy:
    Pérez Torres, Jose Luis
    Corrochano Jiménez, Javier
    García, Javier
    Majadas, Rubén
    Ibañez-Llano, Cristina
    Pérez, Sergio
    Fernández, Fernando
    Powiązania:
    https://bibliotekanauki.pl/articles/23944835.pdf
    Data publikacji:
    2023
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    off-line reinforcement learning
    uncertainty quantification
    machine learning
    Opis:
    In many Reinforcement Learning (RL) tasks, the classical online interaction of the learning agent with the environment is impractical, either because such interaction is expensive or dangerous. In these cases, previous gathered data can be used, arising what is typically called Offline RL. However, this type of learning faces a large number of challenges, mostly derived from the fact that exploration/exploitation trade-off is overshadowed. In addition, the historical data is usually biased by the way it was obtained, typically, a sub-optimal controller, producing a distributional shift from historical data and the one required to learn the optimal policy. In this paper, we present a novel approach to deal with the uncertainty risen by the absence or sparse presence of some state-action pairs in the learning data. Our approach is based on shaping the reward perceived from the environment to ensure the task is solved. We present the approach and show that combining it with classic online RL methods make them perform as good as state of the art Offline RL algorithms such as CQL and BCQ. Finally, we show that using our method on top of established offline learning algorithms can improve them.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2023, 13, 4; 273--287
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Numerical modeling of uncertainty in acoustic propagation via generalized Polynomial Chaos
    Autorzy:
    Dammak, Khalil
    Koubaa, Sana
    Elhami, Abdelkhalak
    Walha, Lassaad
    Haddar, Mohamed
    Powiązania:
    https://bibliotekanauki.pl/articles/280126.pdf
    Data publikacji:
    2019
    Wydawca:
    Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
    Tematy:
    finite element simulation
    uncertainty quantification
    acoustic propagation
    generalized Polynomial Chaos
    Opis:
    This work aims at increasing the performance prediction for acoustic propagation systems that will operate in the presence of the inevitable parameters uncertainty. In the present contribution, the finite element method is applied to solve an acoustic problem described by the Helmholz equation when the geometric and material properties present uncertainty. The influence of the uncertainty of physical parameters on the pressure field is discussed. The results using the polynomial chaos expansion method are compared with Monte Carlo simulations. It is show that uncertainty levels in the input data could result in large variability in the calculated pressure field in the domain.
    Źródło:
    Journal of Theoretical and Applied Mechanics; 2019, 57, 1; 3-15
    1429-2955
    Pojawia się w:
    Journal of Theoretical and Applied Mechanics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A probabilistic approach for approximation of optical and opto-electronic properties of an opto-semiconductor wafer under consideration of measuring inaccuracy and model uncertainty
    Autorzy:
    Stroka, Stefan M.
    Heumann, Christian
    Suhrke, Fabian
    Meindl, Kathrin
    Powiązania:
    https://bibliotekanauki.pl/articles/2204192.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Stowarzyszenie Elektryków Polskich
    Tematy:
    Gaussian process regression
    machine learning
    uncertainty quantification
    photoluminescence
    opto-semiconductor wafer measuring
    Opis:
    This paper presents a probabilistic machine learning approach to approximate wavelength values for unmeasured positions on an opto-semiconductor wafer after epitaxy. Insufficient information about optical and opto-electronic properties may lead to undetected specification violations and, consequently, to yield loss or may cause product quality issues. Collection of information is restricted because physical measuring points are expensive and in practice samples are only drawn from 120 specific positions. The purpose of the study is to reduce the risk of uncertainties caused by sampling and measuring inaccuracy and provide reliable approximations. Therefore, a Gaussian process regression is proposed which can determine a point estimation considering measuring inaccuracy and further quantify estimation uncertainty. For evaluation, the proposed method is compared with radial basis function interpolation using wavelength measurement data of 6-inch InGaN wafers. Approximations of these models are evaluated with the root mean square error. Gaussian process regression with radial basis function kernel reaches a root mean square error of 0.814 nm averaged over all wafers. A slight improvement to 0.798 nm could be achieved by using a more complex kernel combination. However, this also leads to a seven times higher computational time. The method further provides probabilistic intervals based on means and dispersions for approximated positions.
    Źródło:
    Opto-Electronics Review; 2023, 31, 2; art. no. e145863
    1230-3402
    Pojawia się w:
    Opto-Electronics Review
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A new assessment method of mechanism reliability based on chance measure under fuzzy and random uncertainties
    Nowa metoda oceny niezawodności mechanizmów oparta na pomiarze szansy wystąpienia zdarzenia w warunkach niepewności rozmytej i losowej
    Autorzy:
    Zhang, L.
    Zhang, J.
    Zhai, H.
    Zhou, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/301493.pdf
    Data publikacji:
    2018
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    chance measure
    reliability assessment
    uncertainty quantification
    mechanism reliability
    miara szansy
    ocena niezawodności
    kwantyfikacja niepewności
    niezawodność mechanizmu
    Opis:
    The traditional reliability analysis methods based on probability theory and fuzzy set theory have been widely used in engineering practice. However, these methods are unable directly measure the uncertainty of mechanism reliability with uncertain variables, i.e., subjective random and fuzzy variables. In order to address this problem, a new quantification method for the mechanism reliability based on chance theory is presented to simultaneously satisfy the duality of randomness and the subadditivity of fuzziness in the reliability problem. Considering the fact that systems usually have multilevel performance and the components have multimode failures, this paper proposes a chance theory based multi-state performance reliability model. In the proposed method, the chance measure is adopted instead of probability and possibility measures to quantify the mechanism reliability for the subjective probability or fuzzy variables. The hybrid variables are utilized to represent the random and fuzzy parameters, based on which solutions are derived to analyze the chance theory based mechanism reliability with chance distributions. Since the input parameters of the model contain fuzziness and randomness simultaneously, an algorithm based on chance measure is designed. The experimental results on the case application demonstrate the validity of the proposed method.
    Tradycyjne metody analizy niezawodności oparte na teorii prawdopodobieństwa i teorii zbiorów rozmytych znajdują szerokie zastosowanie w praktyce inżynierskiej. Jednak metod tych nie można stosować do bezpośredniego pomiaru niepewności niezawodności przy niepewnych zmiennych, tj. subiektywnych zmiennych losowych i rozmytych. Aby zaradzić temu problemowi, przedstawiono nową metodę kwantyfikacji niezawodności opartą na teorii szansy, która jednocześnie spełnia aksjomaty dwoistości losowości oraz subaddytywności związanej z rozmytością w problemach niezawodności. Biorąc pod uwagę fakt, że systemy zazwyczaj charakteryzują się wielopoziomową strukturą, a uszkodzenia elementów składowych mają charakter wieloprzyczynowy, w niniejszym artykule zaproponowano model niezawodności eksploatacji systemu wielostanowego oparty na teorii szansy. W proponowanej metodzie, zamiast miar prawdopodobieństwa i możliwości, do kwantyfikacji niezawodności, w przypadku gdy dane są subiektywne zmienne losowe lub zmienne rozmyte, przyjęto miarę szansy wystąpienia zdarzenia. Do reprezentacji parametrów losowych i rozmytych wykorzystano zmienne hybrydowe, które stanowią podstawę dla wyprowadzenia rozwiązań w celu analizy niezawodności mechanizmu opartej na teorii szansy z rozkładem szans. Ponieważ parametry wejściowe modelu noszą jednocześnie znamiona rozmytości i losowości, opracowano algorytm oparty na mierze szansy. Wyniki eksperymentalne otrzymane na podstawie studium przypadku dowodzą poprawności proponowanej metody.
    Źródło:
    Eksploatacja i Niezawodność; 2018, 20, 2; 219-228
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies