文献

J-GLOBAL ID：202002278407347722   整理番号：20A0427037

スパースセンサ観測データからの隠れた物理学を検出するための特徴工学と記号回帰法【JST・京大機械翻訳】

Feature engineering and symbolic regression methods for detecting hidden physics from sparse sensor observation data

著者 (4件)： Vaddireddy Harsha (School of Mechanical and Aerospace Engineering, Oklahoma State University, Stillwater, Oklahoma 74078, USA) ,  Rasheed Adil (Department of Engineering Cybernetics, Norwegian University of Science and Technology, N-7465 Trondheim, Norway) ,  Staples Anne E. (Department of Biomedical Engineering and Mechanics, Virginia Tech, Blacksburg, Virginia 24061, USA) ,  San Omer (School of Mechanical and Aerospace Engineering, Oklahoma State University, Stillwater, Oklahoma 74078, USA)
資料名： Physics of Fluids  (Physics of Fluids)
巻： 32  号： 1  ページ： 015113-015113-28  発行年： 2020年 
JST資料番号： H0052B  ISSN： 1070-6631  CODEN： PHFLE6  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： 離散的およびまばらな観測から隠れた流れ物理を蒸留するためのモジュール手法を提案した。機能的表現性を扱うために,ブラックボックス機械学習法の重要な限界,著者らは,基礎となるプロセスに関連する関係と演算子を同定するための原理として記号回帰の利用を利用した。このアプローチは,参照のEulerフレームにおける流体流の軌跡に埋め込まれた隠れたパラメータ化を発見するためのツールを提供するために,進化計算を特徴工学と組み合わせる。本研究における著者らのアプローチは,主に遺伝子発現プログラミング(GEP)と逐次閾値リッジ回帰(STRidge)アルゴリズムを含んでいる。3つの異なる応用における結果を示した。(i)方程式発見,(ii)打切誤差解析,および(iii)隠れた物理学的発見,これに対して,著者らは,まばらな観測の集合から未知のソース項を予測し,サブグリッドスケール閉鎖モデルを発見することを含む。著者らは,GEPとSTRidgeアルゴリズムの両方が,Kraichnan乱流問題を解くことにおいて,調整された特徴のアレイからSmagorinskyモデルを分離できることを例証した。著者らの結果は,複雑な物理学問題におけるこれらの技術の巨大な可能性を実証し,モデル発見アプローチにおける特徴選択と特徴工学の重要性を明らかにした。Copyright 2020 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 特徴選択 ,  進化的計算 ,  流体流 ,  パラメタリゼーション ,  ルブリケータ ,  *アルゴリズム ,  機械学習 ,  ブラックボックス ,  誤差解析 ,  乱流
準シソーラス用語： Smagorinskyモデル ,  SGSモデル ,  リッジ回帰 , 【Automatic Indexing@JST】

分類 (2件)： 流体動力学一般  (BC02010G) ,  膜流,液滴,気泡,キャビテーション  (BC02070U)

タイトルに関連する用語 (4件)： 観測データ ,  物理学 ,  工学 ,  記号