.png){kind=icon}
返回
Probability density evolution method for structural reliability analysis: A parallel Bayesian active learning perspective
.png){kind=icon}
PRE
AI
DOI：10.1016/j.compstruc.2025.107936.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 从贝叶斯主动学习视角构建概率密度演化方法。
• 基于克里金先验进行失效概率的贝叶斯推断。
• 定义多点学习函数以降低失效概率的不确定性。
• 明确目标一致性批量富集策略相较于其他策略的优势。
Keyword:
Probability density evolution method
Bayesian inference
Kriging prior
Failure probability
Multi-point learning function
期刊
C
IF:
4.8
论文数:
6.2K
被引数:
1.7W
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Active learning and active subspace enhancement for PDEM-based high-dimensional reliability analysis基于PDEM的高维可靠性分析的主动学习和主动子空间增强STRUCTURAL SAFETY
STRUCTURAL SAFETYIF6.3
PREAI
分享收藏An expected integrated error reduction function for accelerating Bayesian active learning of failure probability用于加速故障概率的贝叶斯主动学习的期望集成误差减少函数
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 SAFETY
OAAI
STRUCTURAL SAFETYIF6.3
OAAI分享收藏
查看更多内容