关于使用条件生成式对抗网络生成参数化的结构数据

关于使用条件生成式对抗网络生成参数化的结构数据一个强大的方法 也是结构健康监测 SHM 中最常见的方法之一 是使用数据驱动的模型对结构及其状况进行预测和推断 这种方法几乎完全依赖于数据的质量 在 SHM 学科中 数据并不总是足以为给定的任务建立具有令人满意的精度的模型

大家好,欢迎来到IT知识分享网。

一个强大的方法,也是结构健康监测(SHM)中最常见的方法之一,是使用数据驱动的模型对结构及其状况进行预测和推断。这种方法几乎完全依赖于数据的质量。在SHM学科中,数据并不总是足以为给定的任务建立具有令人满意的精度的模型。更糟糕的是,关于结构在不同环境条件下的行为,数据可能从一个人的数据集中完全丢失。在目前的工作中,为了解决这些问题,我们使用了生成对抗网络(GAN)算法的一个变种来生成人工数据。前面提到的变体是条件性GAN或cGAN。该算法不仅用于生成人工数据,还用于根据一些已知的参数学习流形的变换。假设结构的响应由流形中的点表示,部分空间将由于影响结构的外部条件的变化而形成。这个想法在SHM中被证明是有效的,因为它被用来生成环境系数特定值的结构数据。这个方案在这里被应用于在不同温度和湿度条件下运行的模拟结构。与类似问题中的经典回归相比,cGAN的创新之处在于它允许未知环境参数影响结构,并能为已知参数的每个值生成整个数据流形,而未知参数则在生成的流形中变化。

《On generating parametrised structural data using conditional generative adversarial networks》

论文地址:http://arxiv.org/abs/2203.01641v1

关于使用条件生成式对抗网络生成参数化的结构数据

关于使用条件生成式对抗网络生成参数化的结构数据

关于使用条件生成式对抗网络生成参数化的结构数据

关于使用条件生成式对抗网络生成参数化的结构数据

关于使用条件生成式对抗网络生成参数化的结构数据

关于使用条件生成式对抗网络生成参数化的结构数据

关于使用条件生成式对抗网络生成参数化的结构数据

关于使用条件生成式对抗网络生成参数化的结构数据

关于使用条件生成式对抗网络生成参数化的结构数据

关于使用条件生成式对抗网络生成参数化的结构数据

关于使用条件生成式对抗网络生成参数化的结构数据

关于使用条件生成式对抗网络生成参数化的结构数据

关于使用条件生成式对抗网络生成参数化的结构数据

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/94491.html

(0)

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注微信