湖南日報·新湖南客戶端4月2日訊（通訊員 何有為）近日，南華大學(xué)機(jī)械工程學(xué)院何有為博士團(tuán)隊(duì)在計算機(jī)科學(xué)領(lǐng)域中國科學(xué)院一區(qū)top期刊Engineering Applications of Artificial Intelligence上發(fā)表了題為“An efficient boundary prediction method based on multi-fidelity Gaussian classification process for class-imbalance”的研究論文。該論文介紹了一種基于多保真度高斯分類過程的邊界預(yù)測方法，旨在利用多保真度建模范式降低邊界預(yù)測模型的建模代價和提升類不平衡時邊界預(yù)測模型的建模精度。

邊界預(yù)測是工程設(shè)計過程中不可避免的問題，失效與安全極限狀態(tài)之間的這類邊界預(yù)測是其中最熱門的研究課題之一。囿于物理實(shí)驗(yàn)成本高昂、周期長的局限性，基于代理模型的邊界預(yù)測方法常被用于邊界的快速預(yù)測。在眾多代理模型中，高斯分類過程(GPC)被廣泛使用。但是，其僅可利用獲取代價高昂的高可信度數(shù)據(jù)，導(dǎo)致建模數(shù)據(jù)的獲取代價高昂。為降低建模數(shù)據(jù)獲取代價，基于多可信度建模范式發(fā)展了多可信度高斯分類過程(MGPC)。它使用大量的廉價低可信度樣本點(diǎn)來捕捉工程系統(tǒng)的整體趨勢，進(jìn)一步使用少量昂貴高可信度樣本點(diǎn)對其進(jìn)行校正，從而在保證較高建模精度的同時降低模型時間。其次，現(xiàn)有GPC主要利用馬爾可夫鏈蒙特卡洛采樣(MCMC)方法開展模型訓(xùn)練，導(dǎo)致其建模過程計算量大且收斂速度較慢。為此，提出了基于斯坦因變分梯度下降(SVGD)訓(xùn)練方法的改進(jìn)MGPC模型(MGPC-SVGD)。再次，在工程邊界預(yù)測問題中，MGPC還會受到因樣本點(diǎn)難以獲取或邊界劃分不均勻等誘發(fā)的類別不平衡現(xiàn)象，對模型精度造成損害。針對該問題，植入了合成少數(shù)類過采樣方法與編輯最近鄰耦合的混合采樣方法，降低建模數(shù)據(jù)的類不平衡率，建立了基于MGPC的邊界預(yù)測方法，流程如下圖所示：

基于多保真度高斯分類過程的邊界預(yù)測方法流程

將所提方法應(yīng)用于近零泊松比結(jié)構(gòu)的失效邊界和壓氣機(jī)轉(zhuǎn)子安全運(yùn)行邊界的預(yù)測。預(yù)測結(jié)果如下兩圖顯示。所提方法的建模精度和速度均優(yōu)于現(xiàn)有模型，驗(yàn)證了所發(fā)展方法的有效性和工程實(shí)用性。所提方法還能為多可信度貝葉斯優(yōu)化算法提供新型的可行域邊界預(yù)測途徑。

基于多保真度高斯分類過程的邊界預(yù)測應(yīng)用

該研究在湖南省自然科學(xué)基金青年項(xiàng)目、湖南省教育廳科學(xué)研究基金重點(diǎn)項(xiàng)目、南華大學(xué)博士啟動基金項(xiàng)目的資助下完成。研究生劉凌志和談寬為參與作者，何有為博士為通訊作者，南華大學(xué)機(jī)械工程學(xué)院為論文署名單位。

責(zé)編：周怡然

一審：周怡然

二審：彭國軍

三審：徐德榮

來源：湖南日報·新湖南客戶端

版權(quán)作品，未經(jīng)授權(quán)嚴(yán)禁轉(zhuǎn)載。湖湘情懷，黨媒立場，登錄華聲在線官網(wǎng)www.voc.com.cn或“新湖南”客戶端，領(lǐng)先一步獲取權(quán)威資訊。轉(zhuǎn)載須注明來源、原標(biāo)題、著作者名，不得變更核心內(nèi)容。