基于熵的自适应设计用于轮廓寻找与可靠性估计
统计方法学
2021-10-26 v2 机器学习
摘要
在可靠性分析中，用于估计失效概率的方法常受限于模型评估的相关成本。许多此类方法，如多保真重要性采样（MFIS），依赖于计算高效的高斯过程（GP）等替代模型来快速生成预测。GP拟合的质量，尤其在失效区域附近，对于为这类策略提供准确预测的失效至关重要。我们引入了一种基于熵的GP自适应设计，当其与MFIS结合时，可提供更准确且置信度更高的失效概率估计。我们表明，与现有轮廓寻找方案相比，我们的贪婪数据获取策略能更好地识别多个失效区域。随后我们将该方法扩展到批量选择，且不牺牲精度。我们给出了基于基准数据的说明性示例，以及应用于美国国家航空航天局（NASA）航天服冲击损伤模拟器的实例。
引用
@article{arxiv.2105.11357,
title = {Entropy-based adaptive design for contour finding and estimating reliability},
author = {D. Austin Cole and Robert B. Gramacy and James E. Warner and Geoffrey F. Bomarito and Patrick E. Leser and William P. Leser},
journal= {arXiv preprint arXiv:2105.11357},
year = {2021}
}
备注
28 pages, 11 figures