龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：哈尔滨工业大学
申请日：2024-03-26
公开（公告）日：2024-06-14
公开（公告）号：CN118194965A
主分类号：G06N3/091
分类号：G06N3/091;G06N3/0455;G06N3/0475;G06N3/094
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：基于深度对抗自编码器充分降维神经网络的结构可靠度主动学习方法及系统，本发明涉及结构可靠性评估领域,解决现有技术中在处理高维强非线性可靠度分析问题时，仍需要大量调用耗时的有限元分析计算极限状态函数，且代理模型方法在处理高维非线性可靠度分析问题时仍面临挑战。所述方法包括：将基于深度对抗自编码器充分降维神经网络作为代理模型，将原始高维变量空间映射到低维潜变量空间；低维潜变量空间服从高斯分布，且原始高维变量空间中复杂的极限状态面被简化为低维潜变量空间中清晰的极限状态面；反复筛选出候选样本，低维潜变量空间服从的高斯分布从候选样本中均匀采样；直至失效概率收敛。适用于可靠度分析、土木工程结构健康监测领域中。
主权项：1.一种基于深度对抗自编码器充分降维神经网络的结构可靠度主动学习方法，其特征在于，所述结构可靠度主动学习方法包括：S1、将基于深度对抗自编码器充分降维神经网络作为代理模型，将原始高维变量空间映射到低维潜变量空间；在潜变量空间中，所述低维潜变量空间服从高斯分布，且原始高维变量空间中复杂的极限状态面被简化为低维潜变量空间中清晰的极限状态面；S2、反复筛选出靠近低维潜变量空间中清晰的极限状态面的候选样本，利用低维潜变量空间服从的高斯分布从候选样本中均匀采样；S3、重复S1和S2，直至失效概率pf收敛，完成结构可靠度主动学习。
全文数据：
权利要求：
百度查询： 哈尔滨工业大学 基于深度对抗自编码器充分降维神经网络的结构可靠度主动学习方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号