क्लस्टरिंग, वर्गीकरण और गॉसियन प्रक्रिया मॉडलिंग का उपयोग करके गैर-स्थिर और विघटनशील कार्यों को सीखना

सुरोगेट मॉडल ने महंगे कम्प्यूटेशनल मॉडल के बार-बार मूल्यांकन की आवश्यकता वाले इंजीनियरिंग समस्याओं को हल करने में अत्यंत कुशल सहायता साबित हुई है। उन्हें महंगे मूल मॉडल का स्पर्श मात्र मूल्यांकन करके बनाया गया है और अन्यथा कठिन समस्याओं को हल करने का एक तरीका प्रदान किया है। सुरोगेट मॉडलिंग में एक महत्वपूर्ण पहलू उस मॉडल की सतत्वता और नियमितता की धारणा है जिसे अनुमानित किया जाना है। हालांकि, यह धारणा हमेशा वास्तविकता में पूरी नहीं होती। उदाहरण के लिए, सिविल या मैकेनिकल इंजीनियरिंग में, कुछ मॉडल विघटन या असततता पेश कर सकते हैं, जैसे कि अस्थिरता पैटर्न जैसे बकलिंग या स्नैप-थ्रू। ऐसे मौलिक रूप से विभिन्न व्यवहार या विघटन को ध्यान में रखते हुए एक एकल सुरोगेट मॉडल बनाना आसान कार्य नहीं है। इस पत्र में, हम गैर-सmooth कार्यों के अनुमान के लिए एक तीन-चरणीय दृष्टिकोण का सुझाव देते हैं जो क्लस्टरिंग, वर्गीकरण और प्रतिगमन को जोड़ता है। विचार यह है कि सिस्टम के स्थानीयकृत व्यवहारों या क्षेत्र के बाद स्पेस को विभाजित किया जाए और स्थानीय सुरोगेट बनाए जाएं जिन्हें अंततः एकत्रित किया जाता है। इसके लिए कई प्रसिद्ध मशीन लर्निंग तकनीकों का उपयोग किया जाता है: डिरिचलेट प्रोसेस मिक्स्चर मॉडल (DPMM), समर्थन वेक्टर मशीनें और गॉसियन प्रक्रिया मॉडलिंग। इस दृष्टिकोण का परीक्षण और मान्यकरण दो विश्लेषणात्मक कार्यों और एक तनाव-मेम्ब्रेन संरचना के समापन तत्व मॉडल पर किया गया।