핵심 개념
모델링된 시스템의 불확실성을 측정하기 위한 새로운 확장 프레임워크 소개
초록
이 연구는 엔지니어링 시스템의 불확실성을 측정하기 위한 새로운 프레임워크를 제시하며, 데이터 일관성 프레임워크와 학습 불확실 양 프레임워크를 결합하는 방법을 설명합니다. DC 프레임워크는 역문제와 그 해결책을 pullback 및 push-forward 측정을 통해 정의하며, LUQ 프레임워크는 기계 학습을 통해 데이터를 학습된 QoI 맵의 샘플로 변환하는 과정을 제시합니다. 또한, DC 기반 역문제 해결 체계를 개발하고, RKHS 이론을 활용하여 학습된 QoI 맵을 수학적으로 분석하여 필터링된 데이터의 충분성 테스트를 개발합니다. 이를 통해 DCI 솔루션을 계산하고, DCI 솔루션을 계산하는 방법을 설명합니다.
통계
DC 프레임워크는 역문제와 그 해결책을 pullback 및 push-forward 측정을 통해 정의합니다.
LUQ 프레임워크는 기계 학습을 통해 데이터를 학습된 QoI 맵의 샘플로 변환하는 과정을 제시합니다.
DCI 솔루션은 주어진 QoI 맵을 통해 push-forward를 일치시키는 확률 측정을 계산합니다.
인용구
"DC 프레임워크는 역문제와 그 해결책을 pullback 및 push-forward 측정을 통해 정의합니다."
"LUQ 프레임워크는 기계 학습을 통해 데이터를 학습된 QoI 맵의 샘플로 변환하는 과정을 제시합니다."