XiaoMi-AI文件搜索系统
World File Search System高斯过程
贝叶斯优化针对个性化剂量调查试验...
在早期剂量发现试验中，最佳剂量组合的鉴定，由于精确估算了估算许多参数之间的权衡，以相当估算可观的非单调剂量反应表面所需的许多参数，以及在早期试验中的小样本量。 在个性化剂量发现的背景下，这种困难更为相关，在这种情况下，耐心特征用于识别量身定制的最佳剂量组合。 为了克服这些挑战，我们提出使用贝叶斯优化来确定标准（“全部尺寸拟合”）和个性化的多代理剂量验证试验的最佳剂量组合。 贝叶斯优化是一种估计昂贵评估目标函数的全球最佳功能的方法。 客观函数通过替代模型（通常是高斯过程）与连续设计策略配对，可以通过采集函数选择下一点。 这项工作是由行业赞助的问题激发的，在该问题中的重点是在最小的毒性中优化双重药物疗法。 为了比较在此设置下的标准和个性化方法的性能，对各种情况进行了模拟研究。 我们的研究得出结论，在存在异质性的情况下，采用个性化方法是非常有益的。鉴定，由于精确估算了估算许多参数之间的权衡，以相当估算可观的非单调剂量反应表面所需的许多参数，以及在早期试验中的小样本量。在个性化剂量发现的背景下，这种困难更为相关，在这种情况下，耐心特征用于识别量身定制的最佳剂量组合。为了克服这些挑战，我们提出使用贝叶斯优化来确定标准（“全部尺寸拟合”）和个性化的多代理剂量验证试验的最佳剂量组合。贝叶斯优化是一种估计昂贵评估目标函数的全球最佳功能的方法。客观函数通过替代模型（通常是高斯过程）与连续设计策略配对，可以通过采集函数选择下一点。这项工作是由行业赞助的问题激发的，在该问题中的重点是在最小的毒性中优化双重药物疗法。为了比较在此设置下的标准和个性化方法的性能，对各种情况进行了模拟研究。我们的研究得出结论，在存在异质性的情况下，采用个性化方法是非常有益的。
代理模型在动态系统数字孪生开发中的作用
数字孪生技术在航空航天、基础设施和汽车等各个工业领域具有广泛的应用前景、现实意义和潜力。然而，由于具体应用不明确，这项技术的采用速度较慢。本文使用离散阻尼动态系统探讨数字孪生的概念。由于数字孪生也有望利用数据和计算方法，因此在这种情况下使用代理模型是有充分理由的。在这种协同作用的推动下，我们探索了在数字孪生技术中使用代理模型的可能性。特别是，我们探索了在数字孪生技术中使用高斯过程 (GP) 模拟器。GP 具有处理噪声和稀疏数据的固有能力，因此，在数字孪生框架内使用它是有充分理由的。涉及刚度变化和质量变化的情况将单独和联合考虑，以及数据中不同程度的噪声和稀疏性。我们的数值模拟结果清楚地表明，GP 模拟器等替代模型有可能成为开发数字孪生的有效工具。分析了与数据质量和采样率相关的方面。总结了本文介绍的关键概念，并提出了未来迫切研究需求的想法。
替代模型在开发中的作用 - arXiv
数字孪生技术在航空航天、基础设施和汽车等各个工业领域具有广泛的应用前景、相关性和潜力。然而，由于具体应用不明确，这项技术的采用速度较慢。本文使用离散阻尼动态系统来探索数字孪生的概念。由于数字孪生也有望利用数据和计算方法，因此在这种情况下使用替代模型是一个令人信服的例子。在这种协同作用的推动下，我们探索了在数字孪生技术中使用替代模型的可能性。特别是，我们探索了在数字孪生技术中使用高斯过程 (GP) 模拟器。GP 具有处理噪声和稀疏数据的固有能力，因此，在数字孪生框架内使用 GP 是一个令人信服的理由。考虑了涉及刚度变化和质量变化的情况，分别考虑了不同程度的数据噪声和稀疏性。我们的数值模拟结果清楚地表明，GP 模拟器等替代模型有可能成为开发数字孪生的有效工具。分析了与数据质量和采样率相关的方面。总结了本文介绍的关键概念，并提出了未来迫切研究需求的想法。
替代模型在数字技术发展中的作用...
数字孪生技术在航空航天、基础设施和汽车等各个工业领域具有广泛的应用前景、相关性和潜力。然而，由于具体应用不明确，这项技术的采用速度较慢。本文使用离散阻尼动态系统来探索数字孪生的概念。由于数字孪生也有望利用数据和计算方法，因此在这种情况下使用替代模型是一个令人信服的例子。在这种协同作用的推动下，我们探索了在数字孪生技术中使用替代模型的可能性。特别是，我们探索了在数字孪生技术中使用高斯过程 (GP) 模拟器。GP 具有处理噪声和稀疏数据的固有能力，因此，在数字孪生框架内使用 GP 是一个令人信服的例子。考虑了涉及刚度变化和质量变化的情况，分别考虑了不同程度的数据噪声和稀疏性。我们的数值模拟结果清楚地表明，GP 模拟器等替代模型有可能成为开发数字孪生的有效工具。分析了与数据质量和采样率相关的方面。总结了本文介绍的关键概念，并提出了未来迫切研究需求的想法。
![arxiv：2411.00134v1 [cond-mat.soft] 2024年10月31日](/simg/g:\will\search\icon\source\c\cbcb809e034f2eea55fdfa828a50fd7f02e33ebc.webp)
arxiv：2411.00134v1 [cond-mat.soft] 2024年10月31日
梯子聚合物以其刚性的梯子样结构而闻名，具有出色的热稳定性和机械强度，将它们定位为高级应用的候选者。但是，准确地从溶液散射中确定其结构仍然是一个挑战。它们的链构象在很大程度上受单体及其相对取向的固有定向特性的控制，从而导致弯曲角的双峰分布，这与常规的聚链链的弯曲链遵循单峰分布。与此同时，聚合物链的传统散射模型并不能说明这些独特的结构特征。这项工作引入了一种新颖的方法，该方法将机器学习与蒙特卡洛模拟集成在一起以应对这一挑战。我们首先开发了一个蒙特卡洛模拟，用于对梯形聚合物的构型空间进行采样，其中每个单体被模型为双轴段。然后，我们基于高斯过程回归建立了一个机器学习辅助散射分析框架。最后，我们在梯子聚合物溶液上进行小角度的中子散射实验以应用我们的方法。我们的方法揭示了常规方法无法捕获的梯子聚合物的结构细节。
对称能量和
对称能量及其密度依赖性是许多核物理和天体物理学应用的关键输入，因为它们确定了从核的中子皮肤厚度到外壳厚度到中子星的半径。最近，Prex-II报告的值为0。283±0。071 FM的中子皮肤厚度为208 pb，这意味着斜率参数106±37 MEV，比从显微镜计算和其他核实验获得的大多数范围大。我们使用基于高斯过程的状态表示的非参数方程来限制对称能量S 0，L和R 208 Pb皮肤直接从具有最小建模假设的中子星的观察结果中观察到。产生的天体物理约束来自重脉冲质量，Ligo/处女座，而较好的人显然偏爱中子皮肤和L的较小值，以及负对称性不压缩性。将天体物理数据与prex-II和手性效能的结构理论约束结合得出S 0 = 33。0 +2。0-1。8 MeV，L = 53 +14-15 MeV，R 208 Pb Skin = 0。17 +0。04-0。04 FM。
已接受稿件未经编辑
不同保真度之间的个体损失。他们展示了这些改进对几个基本多尺度材料建模挑战的影响，包括二维传热、相变和枝晶生长问题。在这些问题上，与没有此类约束的网络相比，所提出的多保真度、基于物理的约束将预测误差降低了一个数量级。这实现了与底层方程的直接数值解相当的精度。Sarkar 等人在题为“高维工程设计和校准的多保真度和多尺度贝叶斯框架”的论文中，提出了一种用于优化的多保真度建模和信息论顺序采样策略。该方法基于通过高斯过程对各种保真度信息源进行建模，并辅以有效的主动学习策略，这些策略涉及在多尺度架构中顺序选择最佳点。该策略通过压缩机转子的设计优化和微结构预测模型的校准来演示。在题为“工程设计深度强化学习案例研究：应用于流动雕刻微流体设备”的论文中，Lee 等人。通过克服基于进化优化的方法的一些关键弱点（即样本效率低和优化收敛速度慢），解决了如何设计微流体流动雕刻设备。本文将深度强化学习 (DRL) 技术应用于流体雕刻任务，并研究了迁移学习在加速目标流形设计方面的有效性。本文表明，与同类 GA 模型相比，DRL 能够使用明显更少的雕刻支柱来匹配 90% 的目标流形，并提供了一种解释学习模型的方法（使用主成分），而现有的流体雕刻方法无法提供这种解释。Lynch 等人在他们的论文《机器学习辅助拓扑优化数值参数调整》中，提出了一个基于 ML 的元学习框架来确定拓扑优化中的调整参数。这些参数是从过去进行的类似优化问题中学习到的，并根据当前的问题进行调整。这有助于避免手动参数调整中代价高昂的反复试验。在论文《数据驱动的设计空间探索和利用增材制造设计》中，Xiong 等人。提出了一种数据驱动的方法，用于在设计过程的连续阶段进行设计搜索和优化。他们在具体设计阶段使用贝叶斯网络分类器，在详细设计阶段使用高斯过程回归。通过定制踝关节支架的设计说明了该方法。Odonkor 和 Lewis 将数据驱动设计应用于复杂系统（特别是分布式能源资源）的运营策略设计。这篇论文的标题是“分布式能源系统控制策略的数据驱动设计”。最大化套利价值的问题被表述为优化问题，并使用重新解决
已接受稿件未经编辑
不同保真度之间的个体损失。他们展示了这些改进对几个基本的多尺度材料建模挑战的影响，包括二维传热、相变和枝晶生长问题。在这些问题上，与没有此类约束的网络相比，所提出的多保真度、基于物理的约束将预测误差降低了一个数量级。这实现了与底层方程的直接数值解相当的精度。Sarkar 等人在题为“高维工程设计和校准的多保真度和多尺度贝叶斯框架”的论文中提出了一种用于优化的多保真度建模和信息论顺序采样策略。该方法基于通过高斯过程对各种保真度信息源进行建模，并增强了有效的主动学习策略，该策略涉及在多尺度架构中顺序选择最佳点。该策略通过压缩机转子的设计和微结构预测模型的校准得到了演示。在题为《深度强化学习在工程设计中的案例研究：在流动雕刻微流体装置中的应用》的论文中，Lee 等人讨论了如何通过克服基于进化优化的方法的一些关键弱点（即样本效率差和优化收敛速度慢）来设计微流体流动雕刻装置。本文将深度强化学习 (DRL) 技术应用于流动雕刻任务，并研究了迁移学习在加速目标流形设计方面的有效性。本文证明，DRL 能够使用比同类 GA 模型少得多的雕刻柱来匹配 90% 的目标流形，并且提供了一种解释学习模型的方法（使用主成分），而现有的流体雕刻方法并不提供这种方法。 Lynch 等人在其论文《机器学习辅助拓扑优化中的数值参数调整》中提出了一种基于 ML 的元学习框架来确定拓扑优化中的调整参数。这些参数是从过去进行的类似优化问题中学习到的，并根据当前的问题进行调整。这有助于避免手动参数调整中代价高昂的反复试验。在论文《数据驱动的设计空间探索和利用增材制造设计》中，Xiong 等人提出了一种数据驱动的方法，用于设计过程的连续阶段的设计搜索和优化。他们在具体设计阶段使用贝叶斯网络分类器，在详细设计阶段使用高斯过程回归。该方法通过定制踝关节支架的设计进行了说明。Odonkor 和 Lewis 将数据驱动设计应用于复杂系统的操作策略设计，特别是分布式能源资源。这篇论文的标题是“分布式能源系统控制策略的数据驱动设计”。最大化套利价值的问题被表述为一个优化问题，并使用重新求解
面向安全工业物联网设备的优化集成模型
摘要 — 物联网 (IoT) 设备部署的持续增长得益于不断增长的连接需求，尤其是在工业环境中。然而，由于潜在攻击面数量的增加，这导致与网络相关的攻击数量增加。工业物联网 (IIoT) 设备容易受到各种与网络相关的攻击，这些攻击会对制造过程以及制造厂工人的安全造成严重后果。近年来，一种用于攻击检测的有前途的解决方案是机器学习 (ML)。更具体地说，集成学习模型在提高底层 ML 模型的性能方面显示出巨大的潜力。因此，本文提出了一个基于贝叶斯优化-高斯过程 (BO-GP) 与基于集成树的学习模型相结合的框架，以提高 IIoT 环境中入侵和攻击检测的性能。使用新南威尔士大学 Cyber Range 和 IoT 实验室收集的 Windows 10 数据集评估所提出的框架的性能。实验结果表明，与标准树和集成树模型相比，检测准确度、精度和 F 分数均有所提高。索引术语 — 工业物联网、优化集成学习、贝叶斯优化
代理模型在动态系统数字孪生开发中的作用
数字孪生技术在航空航天、基础设施和汽车等各个工业领域具有广泛的应用前景、现实意义和潜力。然而，由于具体应用不明确，这项技术的采用速度较慢。本文使用离散阻尼动态系统探讨数字孪生的概念。由于数字孪生也有望利用数据和计算方法，因此在这种情况下使用代理模型是有充分理由的。在这种协同作用的推动下，我们探索了在数字孪生技术中使用代理模型的可能性。特别是，我们探索了在数字孪生技术中使用高斯过程 (GP) 模拟器。GP 具有处理噪声和稀疏数据的固有能力，因此，在数字孪生框架内使用它是有充分理由的。涉及刚度变化和质量变化的情况将单独和联合考虑，以及数据中不同程度的噪声和稀疏性。我们的数值模拟结果清楚地表明，GP 模拟器等替代模型有可能成为开发数字孪生的有效工具。分析了与数据质量和采样率相关的方面。总结了本文介绍的关键概念，并提出了未来迫切研究需求的想法。