文献

J-GLOBAL ID：202002220244819663   整理番号：20A0644151

深い畳込みニューラルネットワークを用いた翼の逆設計【JST・京大機械翻訳】

Inverse Design of Airfoil Using a Deep Convolutional Neural Network

著者 (4件)： Sekar Vinothkumar (National University of Singapore, Singapore 117575, Republic of Singapore) ,  Zhang Mengqi (National University of Singapore, Singapore 117575, Republic of Singapore) ,  Shu Chang (National University of Singapore, Singapore 117575, Republic of Singapore) ,  Khoo Boo Cheong (National University of Singapore, Singapore 117575, Republic of Singapore)
資料名： AIAA Journal (American Institute of Aeronautics and Astronautics)  (AIAA Journal (American Institute of Aeronautics and Astronautics))
巻： 57  号： 3  ページ： 993-1003  発行年： 2019年 
JST資料番号： C0248C  ISSN： 1533-385X  CODEN： AIAJAH  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,深い畳込みニューラルネットワーク(CNN)を用いて,翼の逆設計を実行する手法を提案した。従来の手法は微分方程式の解に基づいており,解を得るための面倒な手順を解くか,あるいは考慮することは困難である。本論文で示すように,深い学習技術は,圧力分布の係数から翼形を得るために,効果的に使用することができた。より具体的には,CNNは複雑なパラメータ化を必要とせずに任意の翼形状を扱う能力のために適用される。訓練段階では,圧力係数分布をCNNへの入力として供給し,翼形状の予測モデルを得た。試験段階において,新しい圧力係数分布をCNNモデルに与えて,ほとんどのケースに対して2%未満の[数式:原文を参照]誤差を有する関連翼に非常に近い翼形状を生成した。CNNアーキテクチャにおける種々のハイパーパラメータの影響の広範な研究を行った。結果は,CNN法が計算時間に関して非常に効率的であり,競争的予測精度を示すことを示した。従って,それは,特に既存のデータが容易に利用できる場合,翼の逆設計において魅力的な新しい方法を構成する。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： パラメタリゼーション ,  微分方程式 ,  計算機アーキテクチャ ,  圧力分布 ,  予測モデル ,  学習 ,  *翼形
準シソーラス用語： 予測精度 ,  ハイパーパラメータ ,  逆設計 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 航空機の空気力学  (QK02010T)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  翼 ,  設計