文献

J-GLOBAL ID：202402213186240274   整理番号：24A0740055

多目的最適設計における範囲解拡大のためのANNモデル予測精度の学習データ量依存性評価

Evaluation of Dependence of ANN-model Prediction Accuracy on Training Data Amount for Expanding Interval Solution Ranges in Multi-Objective Optimal Design

著者 (6件)： 前川諒 (岡山大 工) ,  菅翔平 (岡山大 大学院自然科学研究科) ,  日室雅貴 (岡山大 大学院環境生命自然科学研究科) ,  増野彰人 (岡山大 大学院環境生命自然科学研究科) ,  五百旗頭健吾 (岡山大 学術研究院 環境生命自然科学学域) ,  豊田啓孝 (岡山大 学術研究院 環境生命自然科学学域)
資料名： エレクトロニクス実装学会春季講演大会論文集
巻： 38th  ページ： 145-148  発行年： 2024年03月13日 
JST資料番号： X0498C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・ブラシモータのノイズ減少量を予測するために,人工神経回路網(ANN)モデルの学習データ量による範囲解の予測精度について検討。
・そのために,複数の設計パラメータに対して範囲解を求めるためのアルゴリズムを開発。
・学習データを3水準,5水準の2通りを用いて訓練したANNモデルを用いて予測を行い,予測精度の学習データ量依存性を評価。
・学習データ量を多くすることで,再現率が上昇し,かつ範囲解が改善。

シソーラス用語： 最適設計 ,  *ニューラルネットワーク ,  *予測 ,  *精度 ,  データ ,  機械学習 ,  アルゴリズム

分類 (2件)： 電動機  (NB07030U) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (6件)： 最適設計 ,  解 ,  拡大 ,  モデル予測精度 ,  学習データ ,  評価