Aug, 2023

形状优化中的异常检测和设计空间降维的生成模型

PDF
TL;DR我们的研究提出了一种新的形状优化方法，通过减少定义新的减少子空间的原始设计变量的数量，并通过概率线性潜变量模型（如因子分析和概率主成分分析）对数据的生成过程建模，以提高全局优化算法的效率，并在优化过程中生成没有几何异常的高质量设计。
shape optimizationglobal optimization algorithmsgeometrical anomaliesgenerative processprobabilistic principal component analysis
发现论文，激发创造
  • 形状优化设计空间维度缩减方法调查

    工程设计中的功能表面维度缩减技术对形状优化进行了详尽的回顾，从经典的线性方法（如主成分分析）到非线性方法（如自动编码器），再到集成物理数据的创新物理感知方法，探讨了这些技术的光谱。通过将这些方法整合到优化框架中，显示它们显著减轻了维度的困扰，简化了计算过程，以及在复杂功能表面的探索和优化中进行了改进。这份调查对方法进行了分类，凸显了这些技术在简化设计挑战方面的变革性影响，从而促进了更高效和有效的工程解决方案。

    May, 2024

  • 基于无监督原始发现的改进三维生成建模

    本文提出了一种基于分解的生成模型，通过引入无监督的原始发现算法和基于高阶条件随机场模型的生成模型，可以从粗到细先后进行三维形状的生成，从而实现了对新形状生成表示能力的提高和更好的样本质量。

    Jun, 2019

  • 生成式潜在形状模型的几何分离

    本文提出了一种无监督的方法来将三维点云的变分自编码器的潜空间进行划分，结果展现出直观可解释的行为，在姿态转换和姿态感知形状检索等任务上表现出色，为人工智能中 3D 形状表示问题提供重要思路。

    Aug, 2019

  • 最大偏离经验分布的保证最优生成建模

    使用生成建模方法，本文提供了关于生成模型训练的理论洞察力，重点强调数据生成分布与训练数据生成分布之间的误差应随着样本量趋近无穷而趋近于零，并确保训练数据生成分布与任何复制训练数据样本的分布之间足够远。

    Jul, 2023

  • 深度生成模型曲率之异空间奇异性

    本研究提出了一种新的生成模型架构，可以更好地解决深度生成模型中潜在空间中的非线性扭曲问题，并提高了概率分布、采样算法和聚类效果。

    Oct, 2017

  • 概率黑盒异常归因的生成扰动分析

    我们提出了一个概率异常归因框架，可以在黑盒回归情况下计算每个输入变量的归因得分的概率分布，从而解释与黑盒模型的异常偏差。我们展示了主流的模型无关解释方法在这个任务中不适用，并提出了一个新的框架，可以计算归因得分的预测均值和量化不确定性。我们介绍了一种变分贝叶斯算法，用于推导每个变量归因得分的分布。据我们所知，这是第一个不受偏差影响的概率异常归因框架。

    Aug, 2023

  • GAN 的最佳精度

    研究深度生成模型的潜在空间几何结构及优化条件，通过实验提出限制方法，提高生成对抗网络的性能。

    Jul, 2022

  • 深度分层生成模型解释解剖形态分析

    通过深度生成网络模拟人体解剖分割的总体和局部形貌特征，并利用条件潜在变量实现对临床疾病的可解释结果可视化诊断，从而为大规模的体积成像研究提供高通量分析的新方法。

    Jun, 2019

  • 工程形状优化中的生成模型与非生成模型

    比较了生成模型和非生成模型在构建设计空间和形状优化中的有效性和效率，并发现根据物理信息参数设计空间的非生成模型能够以更低的成本生成高性能、有效设计，并且能够在设计有效性方面超越生成模型。

    Feb, 2024

  • 深度生成图像模型的几何学及其应用

    本文基于几何学的角度探究 GAN 潜在空间的性质和图像变异机制，并提出一种基于网络结构的方法计算 GAN 图像多丽安流形的黎曼度量，这一方法可以有效地优化潜在空间的优化等应用，并便于解释变换维度。

    Jan, 2021