.png){kind=icon}
返回
Bayesian probability density evolution method for reliability analysis with stepwise uncertainty reduction
.png){kind=icon}
OA
AI
DOI：10.1016/j.ress.2026.112967.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 活性学习函数旨在最小化失效概率的方差。
• 设计离散重要抽样方法以高效计算学习函数。
• 通过逐步最大化策略进行多点扩充。
• 校准的先验不确定性解决了上界的高估问题。
Keyword:
Expected variance reduction
Probability density evolution method
Kriging
Discrete importance sampling
Reliability analysis
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
R
IF:
11
论文数:
1.1K
被引数:
0
机构
引用论文
Multi-point active learning probability density evolution method多点主动学习概率密度演化方法.png)
Structural Safety
Structural SafetyIF6.3
PREAI
分享收藏分享收藏Probability density evolution method for structural reliability analysis: A parallel Bayesian active learning perspective结构可靠性分析的概率密度演化方法：一种并行贝叶斯主动学习视角
PREAI
分享收藏Active learning for structural reliability: Survey, general framework and benchmark结构可靠性的主动学习: 调查，一般框架和基准STRUCTURAL SAFETYOAAI
STRUCTURAL SAFETYIF6.3
OAAI分享收藏
查看更多内容