.png){kind=icon}
返回
An active learning Bayesian network classifier for efficient structural reliability analysis
.png){kind=icon}
PRE
AI
DOI：10.1080/15732479.2026.2617914.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
主动学习方法在结构可靠性问题中已展现出成功的应用。大多数主动学习代理模型基于回归，而基于分类的代理模型讨论较少。本文提出了一种主动学习贝叶斯网络分类器（ALBC）方法以填补这一空白。与预测连续响应的回归模型不同，贝叶斯网络分类器直接将输入划分为离散类别（安全/失效）。这种分类方法特别适用于可靠性分析，因为其主要关注的是确定结构在给定条件下是否会失效。基于误分类概率的学习函数被制定出来，用于识别更新点以细化决策边界，而样本总体工作的误差期望函数作为模型迭代的停止准则。三个数学算例和一个箱梁屈曲失效问题被用来全面研究所提出方法的可行性和性能。结果表明，该方法能有效优化贝叶斯分类器，为结构可靠性应用实现高效性和准确性。
Keyword:
Active learning
Bayesian network classifier
box-girder structure
classification-based surrogate
error expectation function
reliability analysis
surrogate model
期刊
IF:
2.6
论文数:
480
被引数:
5.3K
机构
引用论文
分享收藏A Reliability Analysis Framework of Ship Local Structure Based on Efficient Probabilistic Simulation and Experimental Data Fusion基于高效概率仿真与实验数据融合的船舶局部结构可靠性分析框架.png)
Metals
OAAI
MetalsIF0
OAAI分享收藏Classification approach for reliability analysis with stochastic finite-element modeling随机有限元建模可靠性分析的分类方法
PREAI
分享收藏
查看更多内容