基于归一化流的失效概率估计自适应试验设计
统计方法学
2023-02-15 v1
摘要
失效概率估计问题是工程中的一项关键任务。本文在底层计算机模型极其昂贵的情形下考虑该问题，这在实践中经常发生；在此设定下，减少计算机模型的调用次数至关重要。我们将利用昂贵计算机模型估计失效概率的问题表述为针对极限状态（即失效边界）的序贯试验设计，并提出一系列高效的自适应设计准则以求解试验设计（DOE）。具体而言，所提方法采用深度神经网络（DNN）作为极限状态函数的代理模型，以高效减少昂贵计算机试验的调用次数。通过归一化流学习从高斯分布到极限状态后验近似的映射，以便于试验设计。本文基于不同的泛化误差假设，提出了三种基于归一化流的设计准则用于确定设计位置。所提方法的准确性与性能通过理论和实际算例得到了验证。
引用
@article{arxiv.2302.06837,
title = {Adaptive design of experiment via normalizing flows for failure probability estimation},
author = {Hongji Wang and Tiexin Guo and Jinglai Li and Hongqiao Wang},
journal= {arXiv preprint arXiv:2302.06837},
year = {2023}
}
备注
failure probability, normalizing flows, adaptive design of experiment. arXiv admin note: text overlap with arXiv:1509.04613