.png){kind=icon}
返回
Scalable neural classifier-based adaptive importance sampling for failure probability estimation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.strusafe.2026.102765.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 神经分类器实现了复杂高维失效边界的建模。
• 朗之万采样指导了重要性采样（IS）提议样本的生成。
• 防御性重要性采样提高了失效概率估计的鲁棒性。
• 在最高达784维基于图像的案例研究中证明了其有效性。
Keyword:
Reliability analysis
Importance sampling
Rare event estimation
Failure probability estimation
High dimensions
期刊
IF:
6.3
论文数:
1.4K
被引数:
7.0K
机构
暂无机构信息
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Cross entropy-based importance sampling using Gaussian densities revisitedSTRUCTURAL SAFETY
OAAI
STRUCTURAL SAFETYIF6.3
OAAI分享收藏Relaxation-based importance sampling for structural reliability analysis基于松弛的结构可靠性重要抽样分析STRUCTURAL SAFETY
STRUCTURAL SAFETYIF6.3
PREAI
分享收藏分享收藏A theoretically-consistent parallel enrichment strategy for Bayesian active learning reliability analysis一种理论一致的并行增强策略，用于贝叶斯主动学习可靠性分析OAAI
OAAI分享收藏
查看更多内容