×
魏鹏飞;洪芳琪;Phoon，Kok-Kwang公司;迈克尔，啤酒

模型响应矩的边界优化：双引擎贝叶斯主动学习方法。 （英语） 兹比尔1469.74092

计算。机械。 67，第5期，1273-1292（2021）.
摘要：通过昂贵的模拟器有效传播不精确概率已成为计算力学中混合不确定性量化的一大挑战。为了应对这一挑战，将贝叶斯概率优化和贝叶斯集成相结合，开发了一种主动学习方法，称为协作自适应贝叶斯优化（CABO）。引入两个学习函数作为CABO的引擎，其中一个用于实现认知不确定性空间中的自适应优化搜索，另一个用于任意不确定性空间的自适应集成。这两个引擎协同工作，在联合不确定性空间中自适应地创建最优设计点，通过该优化点训练和更新高斯过程回归模型，以接近具有预先指定的误差容限的模型响应矩边界。通过一个数值例子和两个工程基准证明了CABO的有效性。

引用于三文件

MSC公司：

第74页第10页 固体力学中其他性质的优化
74S60系列 应用于固体力学问题的随机和其他概率方法
74S99型 固体力学中的数值方法和其他方法
74F05型 固体力学中的热效应
68T05型 人工智能中的学习和自适应系统

关键词：

不确定性量化;不精确概率;贝叶斯推断;自适应优化;高斯过程回归;涡轮叶片模型;最大热应力
PDF格式BibTeX公司 XML格式引用
\textit{P.Wei}等人，计算。机械。67，第5号，1273--1292（2021；Zbl 1469.74092）
全文： 内政部

参考文献：

[1] 蔡恩，S。；A.劳伦特。；Dumas，D.，用于复合结构不确定性量化的三维表面高斯随机场模拟，计算力学，63，6，1083（2019）·Zbl 1469.74034号
[2] 丁，C。；Deokar，RR；崔，X。；李·G。；蔡，Y。；Tamma，KK，材料、几何和力多维不确定性的恰当正交分解和基于蒙特卡罗的等几何随机方法，计算力学，63，3，521（2019）·Zbl 1469.74120号
[3] Der Kiureghian，A。；迪特列夫森，O.，感召性还是认知性？这重要吗？，结构安全，31，2，105（2009）
[4] 啤酒，M。；Ferson，S。；Kreinovich，V.，工程分析中的不精确概率，机械系统信号处理，37，1-2，4（2013）
[5] 费斯，M。；Moens，D.，《非概率不确定性建模和量化的最新趋势》，《Arch Comput Methods Eng》，27，1-39（2019）
[6] 魏，P。；宋，J。；毕，S。；布罗吉，M。；啤酒，M。；卢，Z。；Yue，Z.，参数化非精确概率模型的非侵入式随机分析：I.性能估计，机械系统信号过程，124349（2019）
[7] Behmanesh，我。；莫阿韦尼，B。；朗伯特，G。；Papadimitriou，C.，结构识别的层次贝叶斯模型更新，机械系统信号处理，64，360（2015）
[8] 胡，Z。；马哈德万，S。；Ao，D.，《结构-材料性能预测中的不确定性聚合和减少》，计算力学，61，1，237（2018）·Zbl 1459.74186号
[9] 魏，P。；卢，Z。；Song，J.，《变量重要性分析：综合评述》，Reliab Eng Syst Saf，142，399（2015）
[10] 高，W。；Wu，D。；宋，C。；Tin-Loi，F。；Li，X.，使用混合摄动蒙特卡罗方法对不确定性杆结构进行混合概率区间分析，有限元分析，47，7，643（2011）
[11] JE Hurtado；Alvarez，DA，《设计点结构可靠性区间和概率方法的遭遇》，计算方法应用机械工程，225，74（2012）·Zbl 1253.74072号
[12] Kang，R。；张，Q。；曾，Z。；Zio，E。；Li，X.，《认知不确定性下的可靠性度量：非概率可靠性度量综述》，《中国航空杂志》，29，3，571（2016）
[13] Hurtado，JE，不确定参数输入分布下的可靠性区间评估，Probab Eng Mech，32，80（2013）
[14] Crespo LG、Kenny SP、Giesy DP（2014）NASA Langley多学科不确定性量化挑战。In:第16届AIAA非确定性方法会议，1347页
[15] LG克雷斯波；肯尼，SP；Giesy，DP，受p-box不确定性影响的多项式系统的可靠性分析，机械系统信号过程，37，1-2，121（2013）
[16] 阿加瓦尔，H。；JE雷诺；普雷斯顿，EL；Padmanabhan，D.，《在多学科设计优化中使用证据理论进行不确定性量化》，Reliab Eng Syst Saf，85，1-3，281（2004）
[17] 斯坦因，M。；啤酒，M。；Kreinovich，V.，不一致信息的贝叶斯方法，Inf Sci，245，96（2013）·Zbl 1321.62153号
[18] 桑卡拉拉曼，S。；Mahadevan，S.，《稀疏和不精确数据导致的分布类型不确定性》，机械系统信号处理，37，1-2，182（2013）
[19] 海尔顿，JC；约翰逊，JD；Oberkampf，WL；Sallaberry，CJ，涉及偶然性和认知不确定性的分析结果表示，《国际遗传系统杂志》，39，6，605（2010）·Zbl 1200.93124号
[20] Papaioannou，I。；道布，M。；德里希纳，M。；杜德克，F。；埃里，M。；艾希纳，L。；艾格尔，M。；戈茨，M。；格拉夫·W。；Grasedyck，L.，《具有多态不确定性量化的工程结构评估与设计》，GAMM-Mitteilungen，42，2，e201900009（2019）
[21] de Angelis，M。；Patelli，E。；Beer，M.，高效稳健可靠性分析的高级线抽样，Struct-Saf，52，170（2015）
[22] 北卡罗来纳州佩德罗尼。；Zio，E.，双喷气飞机模型的混合不确定性和敏感性分析，J Aerosp Inf Syst，12，1，73（2015）
[23] 张，H。；马伦，RL；Muhanna，RL，《结构可靠性的区间蒙特卡罗方法》，Struct-Saf，32，3，183（2010）
[24] 张，H。；戴，H。；啤酒，M。；Wang，W.，基于小样本的结构可靠性分析：区间拟蒙特卡罗方法，机械系统信号处理，37，1-2，137（2013）
[25] 陆军部阿尔瓦雷斯；乌里韦，F。；Hurtado，JE，使用子集模拟和随机集理论估计失效概率的上下限，机械系统信号过程，100782（2018）
[26] 高，W。；Wu，D。；高，K。；陈，X。；Tin-Loi，F.，不精确随机场和区间场结构可靠性分析，应用数学模型，55，49（2018）·Zbl 1480.74297号
[27] Patelli，E。；陆军部阿尔瓦雷斯；布罗吉，M。；Angelis，Md，《关键安全系统多学科设计中的不确定性管理》，J Aerosp Inf Syst，12，1，140（2015）
[28] Schöbi，R。；Sudret，B.，使用多层次元模型对p-盒进行结构可靠性分析，Probab Eng-Mech，48，27（2017）·Zbl 1375.82111号
[29] Schöbi，R。；Sudret，B.，《使用稀疏多项式混沌展开的p-盒不确定性传播》，《计算物理杂志》，339307（2017）·Zbl 1375.82111号
[30] Sofi，A。；穆斯科利诺，G。；Giunta，F.，通过响应面方法用不精确概率密度函数描述的不确定结构特性的传播，Probab Eng Mech，60，103020（2020）
[31] Yang，X.先生。；刘，Y。；Zhang，Y。；Yue，Z.，随机和概率箱变量的混合可靠性分析，《机械学报》，226，5，1341（2015）·Zbl 1329.74234号
[32] 魏，P。；卢，Z。；Song，J.，参数全局敏感性分析和优化的扩展蒙特卡罗模拟，AIAA J，52，4，867（2014）
[33] 张杰。；MD Shields，《关于小数据集产生的不精确概率的量化和有效传播》，机械系统信号处理，98，465（2018）·兹比尔1440.62099
[34] 费斯，MG；马萨诸塞州瓦尔代贝尼托；Moens，D。；Beer，M.，《线性结构在不精确随机荷载作用下的首次偏移概率的边界》，Comput Struct，239106320（2020）
[35] 宋，J。；魏，P。；巴尔代贝尼托，M。；毕，S。；布罗吉，M。；啤酒，M。；Lei，Z.，混合不确定变量非侵入非精确随机模拟的推广，机械系统信号处理，134106316（2019）
[36] 魏，P。；宋，J。；毕，S。；布罗吉，M。；啤酒，M。；卢，Z。；Yue，Z.，参数化非精确概率模型的非侵入式随机分析：II。可靠性和罕见事件分析，机械系统信号处理，126227（2019）
[37] 宋，J。；巴尔代贝尼托，M。；魏，P。；啤酒，M。；Lu，Z.，线抽样非侵入非精确随机模拟，Struct-Saf，84，101936（2020）
[38] 宋，J。；魏，P。；巴尔代贝尼托，M。；Beer，M.，《全球不精确线抽样罕见事件评估的自适应可靠性分析》，计算方法应用机械工程，37211334413344（2020）·Zbl 1506.62392号
[39] Cockayne，J。；欧茨，CJ；TJ沙利文；Girolma，M.，贝叶斯概率数值方法，SIAM Rev，61，4，756（2019）·Zbl 1451.65179号
[40] Hennig，P.等人。；CJ Schuler，信息效率全局优化的熵搜索，J Mach Learn Res，13，1，1809（2012）·Zbl 1432.65073号
[41] 布里奥，外汇；欧茨，CJ；Girolma，M。；马萨诸塞州奥斯本；Sejdinovic，D.，概率积分：统计计算中的作用？，统计科学，34，1，1（2019）·Zbl 1420.62135号
[42] 魏，P。；张，X。；Beer，M.，概率积分的自适应实验设计，机械工程计算方法，365113035（2020）·Zbl 1442.65027号
[43] 克雷布提，OA；DA坎贝尔；Calderhead，B。；Girolma，MA，微分方程贝叶斯解不确定性量化，贝叶斯分析，11，4，1239（2016）·Zbl 1357.62108号
[44] 魏，P。；刘，F。；巴尔代贝尼托，M。；Beer，M.，具有大认知不确定性的不精确概率的贝叶斯概率传播，机械系统信号过程，149107219（2021）
[45] 勒布伦，R。；Dutfoy，A.，Rosenblatt和Nataf等概率变换真的不同吗？，Probab Eng Mech，24、4、577（2009）
[46] Rasmussen CE，Williams C（2006）机器学习的高斯过程，第39卷。麻省理工学院出版社，第40页·兹比尔1177.68165
[47] Schölkopf B、Smola AJ、Bach F等（2002）《内核学习：支持向量机、正则化、优化及其他》。麻省理工学院出版社
[48] Duvenaud D（2014）使用高斯过程自动构建模型
[49] Rasmussen CE，Ghahramani Z（2003）贝叶斯蒙特卡罗。主题：神经信息处理系统进展，第15卷，第505页
[50] 黄，D。；艾伦，TT；威斯康星州诺茨；Zeng，N.，通过序列kriging元模型对随机黑盒系统进行全局优化，J Glob Optim，34，3，441（2006）·邮编1098.90097
[51] 威廉姆斯，BJ；桑特纳，TJ；Notz，WI，最小化综合响应函数的计算机实验顺序设计，Stat Sin，101133-1152（2000）·Zbl 0961.62069号
[52] 屏蔽，MD；Zhang，J.，《拉丁超立方体抽样的推广》，Reliab Eng Syst Saf，148，96（2016）
[53] Tripathy，R。；比利奥尼斯，I。；Gonzalez，M.，《内置降维的高斯过程：应用于高维不确定性传播》，《计算物理杂志》，321191（2016）·Zbl 1349.65049号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。