PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.20191v1stat.ML

AK-MCS-C2 : 파괴 확률 추정을 위한 컨포멀 인증(conformal certification) 기반 능동형 크리깅 몬테카를로 시뮬레이션 방법

AK-MCS-C2 : Active Kriging Monte Carlo Simulation method with conformal certification for failure probability estimation

본 논문에서는 구조 신뢰성 분석(structural reliability analysis) 내 파괴 확률 추정을 위해 능동형 크리깅 몬테카를로 시뮬레이션(Active Kriging Monte Carlo simulation)과 컨포멀 예측(conformal prediction)을 결합한 새로운 능동형 학습(active-learning) 프레임워크를 소개합니다. 제안된 방법은 J+GP 컨포멀 추정기를 활용하여 소표본 설정(small-sample settings)과 크리깅 대리 모델(kriging surrogate models)에 맞춰 특별히 설계된 적응형 교차 컨포멀(adaptive cross-conformal) 전략을 채택합니다. 기존 표준 AK-MCS 방법들과 달리, 제안된 프레임워크는 예측 오류에 대해 분포 무관(distribution-free)한 보장을 제공하며, 이는 한계 상태 표면(limit-state surface) 근처 샘플의 더 신뢰할 수 있는 분류(classification)로 이어집니다. 이러한 개선된 불확실성 정량화(uncertainty quantification)는 파괴 확률 추정치의 정확도와 견고성(robustness)을 모두 향상시키며, 특히 효율성이 중요한 희귀 사건 영역(rare-event regimes)에서 유용합니다. 재현 가능한 수치 결과를 통해 해당 방법의 효과를 입증하며, 잘 알려진 벤치마크(benchmarks)에서 기존 접근법들과의 비교 분석을 수행합니다.