Machines à vecteurs supports pour la fiabilité : Exploitation des estimateurs d'erreur de discrétisation pour la construction de classificateurs - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Machines à vecteurs supports pour la fiabilité : Exploitation des estimateurs d'erreur de discrétisation pour la construction de classificateurs

Résumé

En fiabilité, les machines à vecteurs supports (SVM) sont utilisées pour séparer domaine de sûreté et domaine de défaillance et ainsi classer une population de Monte Carlo en deux sous-populations. Cela permet par la suite d’évaluer à moindre coût la probabilité de défaillance d’un système par échantillonnage. La construction du classificateur SVM repose sur des observations : ici des appels à un code de calcul éléments finis. Le maillage introduit une erreur de discrétisation qui pollue l’estimation de la probabilité de défaillance. Nous proposons 2 approches exploitant les estimateurs d’erreur de discrétisation a posteriori pour améliorer la reconstruction d’un état-limite par SVM.
Fichier principal
Vignette du fichier
mon_abstract_post_review.pdf (802.74 Ko) Télécharger le fichier
Format : typeAnnex_abstract

Dates et versions

hal-03717631 , version 1 (08-07-2022)

Identifiants

  • HAL Id : hal-03717631 , version 1

Citer

Ludovic Mell, Valentine Rey, Franck Schoefs. Machines à vecteurs supports pour la fiabilité : Exploitation des estimateurs d'erreur de discrétisation pour la construction de classificateurs. 15ème colloque national en calcul des structures, Université Polytechnique Hauts-de-France [UPHF], May 2022, 83400 Hyères-les-Palmiers, France. ⟨hal-03717631⟩
37 Consultations
19 Téléchargements

Partager

Gmail Facebook X LinkedIn More