14088

مروري بر مدل‌هاي يادگيري فعال و كاربرد آن‌ها در تحليل قابليت اعتماد سازه‌ها

1402

دكتر مجيد ايلچي قزاآن

تحليل قابليت اعتماد شامل محاسبه احتمال خرابي يك عضو يا يك سيستم متشكل از پارامترهاي غيرقطعي تحت معيارهاي عملكردي از پيش تعيين شده است. محاسبه احتمال خرابي و تحليل قابليت اعتماد در تعيين شاخص ايمني، طراحي احتمالاتي و حل مسائل طراحي بهينه مبتني بر قابليت اعتماد (RBDO) كاربرد دارد. اساسي ترين چالش محاسبه احتمال خرابي حل انتگرال چند متغيره تابع چگالي احتمال توام در ناحيه خرابي است. براي حل اين مشكل، روش‌هاي عددي و تحليلي گوناگوني پيشنهاد شده است. اخيرا در ادبيات، محاسبه احتمال خرابي از طريق مدل‌هاي جايگزين مبتني بر يادگيري ماشين مطرح شده است. بكارگيري مدل‌هاي يادگيري ماشين با هدف ايجاد توازن ميان دقت و كارايي محاسباتي صورت مي‌گيرد. اين مدل‌هاي معمولا از طريق پيش‌بيني مقدار تابع عملكرد نمونه‌ها، مرز ناحيه خرابي و ايمني را تخمين زده و با استفاده از روش‌هاي كلاسيك تحليل قابليت اعتماد، به محاسبه احتمال خرابي مي‌پردازد. مدل‌هاي يادگيري فعال، ضمن بروزرساني پي در پي مجموعه داده‌هاي آموزشي، دقت مدل يادگيري ماشين را افزايش مي‌دهند. در مقايسه با نمونه‌برداري غير تطبيقي، اين روش با تعداد كمتري از فراخواني تابع عملكرد مسئله و صرفه‌جويي در هزينه و زمان محاسبات، به دقت مناسبي دست مي‌يابد. در آموزش مدل‌هاي يادگيري فعال مي‌توان با تعداد بسيار كمتري از داده‌هاي آموزشي اوليه، مدل را آموزش داد. در صورت عدم تحقق معيار همگرايي از طريق توابع يادگيري فعال نمونه‌هاي تطبيقي از جمعيت داده‌هاي توليدي انتخاب شده و به داده‌هاي آموزشي اضافه مي‌شود. اين فرايند تا محقق شدن معيار همگرايي ادامه مي‌يابد و پس از خاتمه، احتمال خرابي و شاخص ايمني از طريق مدل نهايي تخمين زده مي‌شوند. مدل‌هاي يادگيري فعال براساس نحوه توليد داده‌هاي آموزشي اوليه، نوع مدل يادگيري ماشين، رويكردهاي ايجاد توابع يادگيري، انواع معيارهاي همگرايي، نحوه محاسبه احتمال خرابي، رويكردهاي افزودن داده‌هاي تطبيقي، قابليت حل مسائل داراي ابعاد بالا و مسائل داراي احتمال خرابي كوچك دسته‌بندي مي‌شوند. در اين تحقيق ضمن تفصيل هركدام از موارد مذكور، به بررسي مزايا و معايب آن‌ها پرداخته شده است. نتايج بررسي ادبيات نشان مي‌دهد با تغيير هر يك از موارد دسته‌بندي، مي‌توان به كاربرد خاصي از مدل دست يافت. اين كاربردها مي‌تواند شامل حل مسائلي شود كه پيچيدگي و درجه غيرخطي بالايي در توابع عملكرد دارند. چنين مسائلي در پروژه‌هاي مهندسي واقعي وجود دارند كه اهميت بالاي طراحي آن‌ها مستلزم اتخاذ روشي دقيق و كارآمد است.

10/20/2024 12:00:00 AM

84765

1403/08/30

Active Learning Models: A Review and Their Applications to Structural Reliability Analysis

قابليت اعتماد المان , قابليت اعتماد سيستم , مدل‌هاي يادگيري فعال , احتمال خرابي , نمونه‌برداري تطبيقي

Component reliability , System reliability , Active learning models , Failure probability , Adaptive sampling