文献

J-GLOBAL ID：202002256652337865   整理番号：20A2259380

逆設計のための機械学習アルゴリズムの信頼性の調査:分極回転子ユニットセルモデル【JST・京大機械翻訳】

Investigating the Reliability of Machine Learning Algorithms for Inverse Design: Polarization Rotator Unit-Cell Model

著者 (2件)： Samadi Fereshteh (Department of Electrical and Computer Engineering, Concordia University, Montreal, Canada) ,  Sebak Abdel-Razik (Department of Electrical and Computer Engineering, Concordia University, Montreal, Canada)
資料名： IEEE Journal on Multiscale and Multiphysics Computational Techniques  (IEEE Journal on Multiscale and Multiphysics Computational Techniques)
巻： 5  ページ： 176-187  発行年： 2020年 
JST資料番号： W2457A  ISSN： 2379-8793  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,偏光回転子(PR)単位セルの逆設計のための3種類のデータ駆動アルゴリズムを実行した。この目的に向けて,PRユニットセルの新しい構成パターンを提案し,それは,多数の設計変数と回帰問題として再キャストする異なる形状に再現可能である。ニューラルネットワーク(NN),多重隠れ層を有する深層ニューラルネットワーク(DNN),およびサポートベクトル回帰(SVR)を含む最先端のアルゴリズムを,予測一般化可能性を確実にするための交差検証によって実験した。競合性能による全ての実験にわたって,SVRアルゴリズムに対して95.23%の最高予測精度を達成した。これは,レーダ範囲(X,Ku,K,Ka)で指定した任意の周波数帯に対する単位セルの幾何学的次元予測におけるデータ駆動アルゴリズムの莫大な能力を実証した。提案した逆設計手順は,電磁(EM)シミュレーションソフトウェアによる従来および時間のかかる手動設計アプローチを促進,およびある程度置き換えることができる。これらのモデルは実際に非常に効率的であるが,彼らは,敵対者の希望者に対する犠牲者回帰者を意図的に fぐために,工芸の入力を課す敵対的攻撃に対して脆弱であるかもしれない。これは学習ベースアルゴリズムに対するセキュリティの懸念をもたらし,実行時間における予測信頼性にマイナスに影響する可能性がある。本論文では,高速勾配符号法を用いて回帰モデルに対する敵対攻撃の存在のみを特性化した。実施した実験は,前述のすべての切断エッジNNとDNNベースの回帰器のホーミング率が98%以上で,SVRモデルに対するこの率は他のモデルよりも約11%良いことを明らかにした。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  レーダ ,  *学習 ,  *信頼性 ,  ニューラルネットワーク ,  多重化 ,  回帰モデル ,  周波数帯 ,  *学習アルゴリズム
準シソーラス用語： 設計変数 ,  実行時間 ,  予測精度 ,  隠れ層 ,  データ駆動 ,  サポートベクトル回帰 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  数値計算  (JE02000J)

タイトルに関連する用語 (7件)： 設計 ,  機械学習 ,  アルゴリズム ,  調査 ,  分極 ,  回転子 ,  セルモデル