التعلم النشط البايزي الجزئي عبر الهيداغرام لتحليل موثوقية الهياكل مع احتمالات فشل صغيرة جداً

يقدم إطار استدلال احتمالية الفشل البايزي (BFPI) نهجاً بايزياً راسخاً لتحديد عدم يقيننا المعرفي حول احتمالية الفشل الناتجة عن عدد محدود من تقييمات دالة الأداء. ومع ذلك، لا يزال من الصعب إجراء التعلم النشط البايزي للاحتمالية الفشل بالاستفادة من إطار BFPI. في هذا العمل، تم اقتراح ثلاث طرق للتعلم النشط البايزي تحت اسم 'التعلم النشط البايزي الجزئي عبر الهيداغرام' (PBALC)، بناءً على الاستخدام الذكي لإطار BFPI لتحليل موثوقية الهياكل، خاصةً عندما تكون احتمالات الفشل صغيرة. نظراً لأن التباين البعدي لاحتمالية الفشل مكلف حسابياً في التقييم، فإن الفكرة الأساسية هي استغلال المتوسط البعدي لاحتمالية الفشل فقط لتصميم عنصرين أساسيين للتعلم النشط البايزي، أي معيار التوقف ودالة التعلم. بناءً على ذلك، تم اقتراح ثلاث مجموعات من معايير التوقف ودوال التعلم، مما أدى إلى الطرق الثلاث المقترحة PBALC1 وPBALC2 وPBALC3. علاوة على ذلك، تم التعامل بشكل صحيح مع التكاملات التي لا يمكن تحليلها ذات الصلة بمعايير التوقف من وجهة نظر عددية. تم دراسة خمسة أمثلة عددية لإظهار أداء الطرق الثلاث المقترحة. وقد وُجد تجريبياً أن الطرق المقترحة يمكن أن تقيم احتمالات فشل صغيرة جداً وتتفوق بشكل كبير على العديد من الطرق الموجودة بالفعل من حيث الدقة والكفاءة.