文献

J-GLOBAL ID：202002241617214079   整理番号：20A2055224

パーシステントホモロジー解析とt-分布型確率的近傍埋め込み法を用いた機械学習型ミクロ組織の最適化(鉄鋼インフォマティクス 16)

Machine-learning-based microstructural optimization using persistent homology analysis and t-distributed stochastic neighbor embedding (Steel informatics: 16)

著者 (3件)： WANG Zhilei (Nagoya Univ.) ,  OGAWA Toshio (Nagoya Univ.) ,  ADACHI Yoshitaka (Nagoya Univ.)
資料名： 材料とプロセス(CD-ROM)  (Current Advances in Materials and Processes (CD-ROM))
巻： 33  号： 2  ページ： ROMBUNNO.115  発行年： 2020年09月01日 
JST資料番号： X0994B  ISSN： 1882-8922  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： ・機械学習を用いたミクロ組織-特性リンケージモデルに従い,二相鋼の位相的なミクロ組織の特徴を認識するためにパーシステントホモロジー解析を適用。
・さらに,要求特性に対し最適なミクロ組織を検出するために,t-分布型確率的近傍埋め込み法(t-SNE)アルゴリズムを適用。
・ミクロ組織-特性リンケージを,パーシステントホモロジー解析と人工ニューラルネットワークとを結合して首尾よくモデル化。
・t-SNEは,目標ミクロ組織に対し最適解を同定。

シソーラス用語： *二相鋼 ,  *混合組織 ,  マルテンサイト ,  ホモロジー ,  *機械学習 ,  t分布 ,  ニューラルネットワーク ,  最適化手法 ,  画像分析 ,  フェライト組織 ,  計算機アルゴリズム ,  応力歪特性
準シソーラス用語： パーシステントホモロジー ,  検出アルゴリズム

分類 (1件)： 変態組織,加工組織  (WB01030N)

タイトルに関連する用語 (11件)： パーシステントホモロジー ,  解析 ,  t-分布 ,  確率 ,  近傍 ,  埋め込み ,  機械学習 ,  ミクロ組織 ,  最適化 ,  鉄鋼 ,  インフォマティクス