文献

J-GLOBAL ID：201802219698553152   整理番号：18A1647904

深層学習法に基づく伝導熱伝達のためのトポロジー最適化に関する研究【JST・京大機械翻訳】

Investigation into the topology optimization for conductive heat transfer based on deep learning approach

著者 (10件)： Lin Qiyin (Key Laboratory of Education Ministry for Modern Design and Rotor-Bearing System, Xi’an Jiaotong University, Xi’an, 710049, China) ,  Lin Qiyin (Institute of Design Science and Basic Components, School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an 710049, China) ,  Hong Jun (Key Laboratory of Education Ministry for Modern Design and Rotor-Bearing System, Xi’an Jiaotong University, Xi’an, 710049, China) ,  Hong Jun (Institute of Design Science and Basic Components, School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an 710049, China) ,  Liu Zheng (Key Laboratory of Education Ministry for Modern Design and Rotor-Bearing System, Xi’an Jiaotong University, Xi’an, 710049, China) ,  Liu Zheng (Institute of Design Science and Basic Components, School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an 710049, China) ,  Li Baotong (Key Laboratory of Education Ministry for Modern Design and Rotor-Bearing System, Xi’an Jiaotong University, Xi’an, 710049, China) ,  Li Baotong (Institute of Design Science and Basic Components, School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an 710049, China) ,  Wang Jihong (Key Laboratory of Education Ministry for Modern Design and Rotor-Bearing System, Xi’an Jiaotong University, Xi’an, 710049, China) ,  Wang Jihong (Institute of Design Science and Basic Components, School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an 710049, China)
資料名： International Communications in Heat and Mass Transfer  (International Communications in Heat and Mass Transfer)
巻： 97  ページ： 103-109  発行年： 2018年 
JST資料番号： H0300B  ISSN： 0735-1933  CODEN： IHMTDL  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本論文では,導電性熱伝達のトポロジー最適化を加速するために,従来の固体等方性材料(SIMP)法と組み合わせた深い学習アプローチを提示した。この深い学習予測子は,深い完全畳込みニューラルネットワークに基づいて構造化される。この深い学習手法の妥当性と精度を,典型的な「Volume-Point」熱伝導問題に基づいて調べた。最適化プロセスの時間消費は,深い学習アプローチを導入することによって著しく減少する。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 等方性 ,  伝熱 ,  *熱伝達 ,  *最適化 ,  構造形成 ,  *学習 ,  導電性 ,  熱伝導
準シソーラス用語： 畳込みニューラルネットワーク ,  予測子 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 導電性熱伝達 ,  深層学習 ,  トポロジー最適化 ,  SIMP

分類 (2件)： 対流・放射熱伝達  (PA02030K) ,  熱交換器,冷却器  (PA03020G)

タイトルに関連する用語 (4件)： 深層学習 ,  伝導熱 ,  トポロジー最適化 ,  研究