面向物理约束系统的避失效主动学习
机器学习
2023-04-19 v1 机器学习
摘要
主动学习是机器学习的一个子领域，旨在为采样成本极高的系统进行设计与建模。工业与工程系统通常受物理约束支配，违反时可能导致致命失效，而此类约束在主动学习中常被低估。本文提出一种考虑支配系统的隐式物理约束、避免失效的新型主动学习方法。所提方法由两项任务驱动：安全方差约简探索安全区域以降低目标模型方差，安全区域扩展旨在利用约束的概率模型拓展可探索区域。全局采集函数被设计以审慎优化两项任务的采集函数，并给出了其理论性质。该方法应用于考虑材料失效（使用 Tsai-wu 准则）的复合材料机身装配过程，能够在无显式失效区域知识的情况下实现零失效。
引用
@article{arxiv.2110.14443,
title = {Failure-averse Active Learning for Physics-constrained Systems},
author = {Cheolhei Lee and Xing Wang and Jianguo Wu and Xiaowei Yue},
journal= {arXiv preprint arXiv:2110.14443},
year = {2023}
}
备注
12 pages