新的贝叶斯框架通过去除EOV改进结构健康监测

研究人员开发了一种新颖的贝叶斯框架用于结构健康监测（SHM），该框架可同时识别和去除环境与运行变异性（EOV）。该方法将潜在EOV建模为高斯过程，通过卡尔曼滤波器和拉普拉斯近似实现高效推理。该方法在实验室结构和模拟海上风电场上进行了验证，与现有技术相比，证明了改进的损伤检测和EOV恢复能力。 AI

影响 这项研究引入了先进的统计建模技术，可以提高结构健康监测系统的可靠性和准确性，可能影响基础设施的维护和安全。

排序理由 关于结构健康监测新方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv cs.LG 阅读 →

• Bayesian identification of admixture events using multilocus molecular markers
• CatalyzeX
• DagsHub
• Eovoluta
• Gaussian process
• Gotit.pub
• Hugging Face
• Kalman filter
• Laplace Approximation
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →