结构健康监测 / 损伤识别 / 基准数据集
IASC-ASCE 四层钢框架 SHM 基准(12/120 自由度双模型、六种损伤模式)与物理信息损伤识别方法。本文复核基准几何、噪声设定与指标口径,并纠正此前条目的悬索桥与剩余寿命等失实表述。
新 various(论文版权归作者;数据按任务组条款分发) 结构健康监测损伤识别基准数据集 聚变/Fusion
研究面向惯性约束聚变模拟器的图像回归模型,利用自适应保形预测量化科学机器学习中的预测不确定性。
见LICENSE文件 科学机器学习不确定性量化惯性约束聚变 通用科学ML/ScientificML
研究下一代储备池计算在记忆驱动非线性动力学系统中的贝叶斯脊回归与共形预测不确定性量化。
见LICENSE文件 下一代储备池计算不确定性量化非线性动力学系统 通用科学ML
研究几何条件化神经代理模型中不确定性量化方法的表现,对比封闭形式与采样方法在跨几何形状、流场预测和工程量上的有效性。
见LICENSE文件 神经代理模型不确定性量化CAE仿真 通用科学ML
提出在测试时通过流匹配模型学习贝叶斯滤波后验分布,为高维物理系统状态估计提供连续分布表示的解决方案。
见LICENSE文件 状态估计流匹配贝叶斯滤波 通用科学ML
提出三重可扩展的等变高斯过程方法,在编码对称性的同时保持概率预测与不确定性量化能力,适用于大规模科学计算问题。
见LICENSE文件 高斯过程等变神经网络不确定性量化 通用科学ML
提出PosteriorBench基准,针对科学逆问题中生成式求解器的后验分布匹配能力进行评估,弥补了点估计指标的不足。
见LICENSE文件 逆问题求解生成式模型不确定性量化 通用科学ML
提出将人工代表树与Mondrian保角预测系统结合,实现单棵决策树同时提供连续预测、预测区间和概率分布输出的可解释ML方法。
见LICENSE文件 决策树可解释机器学习不确定性量化