Surrogate Model

深層学習による構造物地震応答予測における工学的な説明性とその妥当性の検証

In structural seismic response prediction, the "black-box" nature of deep learning models poses a significant barrier to their practical application. To gain the trust of …

才田 大聖
•

モード重ね合わせ法に基づく転移学習による少数観測データからの構造物地震応答予測(シンポジウム講演概要)

本研究では、少数の地震観測データ下での構造物地震応答予測のための、物理知識を取り入れた転移学習手法であるモード重ね合わせ転移学習(Mode Superposition Transfer Learning, MSTL)を提案する。MSTLではモード重ね合わせ法に基づき、地震動から構造応答への写像を2段階で学習する。第1段階として地盤加速度から複数の1自由度系 …

才田 大聖
•

CNNによる地震動特徴量の抽出機構を有するガウス過程サロゲートモデルによる地震フラジリティ解析

地震フラジリティ解析は、不確定性考慮のため計算コストが高い。この課題に対し、応答スペクトルからCNNで特徴量を自動抽出し、ガウス過程(GP)と組み合わせたサロゲートモデルを提案する。CNNがGP予測に最適な地震動特徴量を抽出するため、従来の地震動指標(IM)を用いる手法より高精度化が期待できる。免震RC橋脚のフラジリティ解析を用いた検証では、提案手法IMを用 …

才田 大聖
•

(キーノート講演)転移学習を用いた深層学習モデルによる観測データを基にした構造物地震応答の予測

This study adopted transfer learning for the seismic response prediction of real structures using deep learning. This approach aims to address the challenge posed by the scarcity …

才田 大聖
•

Seismic Fragility Assessment using Explainable Deep Kernel Learning Surrogate Model considering Structural and Seismic Uncertainties

This study proposes a surrogate model using deep kernel learning (DKL) with a convolutional neural network (CNN) and attention mechanism for efficient seismic fragility assessment …

avatar
Taisei Saida
•

周波数領域での解釈性を有する構造物地震応答予測モデルの観測データによる学習(シンポジウム講演概要)

本研究では、有限要素法などの数値解析を用いずに、センサーデータから構造物の地震応答を予測するための説明可能な深層学習モデルであるExSRNet(Explainable Seismic Response Networks)を提案する。ExSRNetは周波数特性に着目し、周波数帯域分割にSincNet、時間的特徴抽出に因果的Dilated …

才田 大聖
•
System fragility analysis of highway bridge using multi-output Gaussian process regression surrogate model featured image

System fragility analysis of highway bridge using multi-output Gaussian process regression surrogate model

Advances in Structural Engineering, 2024

avatar
Taisei Saida
•