文献

J-GLOBAL ID：202102223819173053   整理番号：21A0217642

深層学習を用いたトポロジー最適化 -同時および追加学習の比較-

Topology Optimization using Deep Learning -Comparison of Simultaneous and Additional Learning-

著者 (4件)： 佐々木秀徳 (三菱電機(株)先端技術総合研究所) ,  佐々木秀徳 (北海道大学大学院情報科学研究院) ,  日高勇気 (三菱電機(株)先端技術総合研究所) ,  五十嵐一 (北海道大学大学院情報科学研究院)
資料名： 電気学会論文誌 B  (IEEJ Transactions on Power and Energy)
巻： 140  号： 12  ページ： 858-865(J-STAGE)  発行年： 2020年 
JST資料番号： S0809A  ISSN： 0385-4213  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 高速トポロジー最適化を実現するために,磁石形状が異なるIPMモータに深層学習を適用する。この方法では,I字形状磁石とV字形状磁石を有するIPMモータの断面画像を畳み込みニューラルネットワークに入力して,それらの平均トルクを推測する。両データセットに対してCNNをトレーニング学習させる同時学習は,二つのデータセットに対してCNNを順次学習させる追加学習よりも優れていることを示す。さらに,トポロジー最適化において学習済みCNNを用いると,必要な有限要素解析の数を約5%まで低減できることを示す。(翻訳著者抄録)

シソーラス用語： *機械学習 ,  *最適化 ,  *PMモータ ,  設計 ,  極限設計 ,  永久磁石 ,  ニューラルネットワーク ,  数値解析 ,  有限要素法 ,  学習モデル
準シソーラス用語： 深層学習 ,  *トポロジー最適化 ,  同時学習 ,  追加学習 ,  *IPMモータ ,  *電気機器設計 ,  I字形状磁石 ,  V字形状磁石 ,  畳込みニューラルネットワーク ,  有限要素解析

著者キーワード (10件)： 深層学習 ,  トポロジー最適化 ,  回転機 ,  IPM ,  有限要素法 ,  deep learning ,  topology optimization ,  rotating machine ,  IPM ,  FEM

分類 (2件)： 人工知能  (JE08000Z) ,  電動機  (NB07030U)

引用文献 (10件)：

• (1) Y. Hidaka, T. Sato, and H. Igarashi: “Topology optimization method based on on-off method and level set approach”, IEEE Trans. Magn., Vol. 50, No. 2, pp. 617-620 (2014)
• (2) H. Sasaki and H. Igarashi: “Topology optimization accelerated by deep learning”, IEEE Trans. Magn., Vol. 55, No. 6, pp. 1-5 (2019)
• (3) H. Sasaki and H. Igarashi: “Topology Optimization of IPM Motor with Aid of Deep Learning”, <i>Int. J. Appl. Electromagn. & Mechanics</i>, Vol. 59, No. 1, pp. 87-96 (2019)
• (4) T. Okatani: “Deep Learning for Image Recognition”, J. Jpn. Soc. Artificial Intelligence, Vol. 28.6, pp. 962-974 (2013) (in Japanese)
• (5) S. Karen and A. Zisserman: “Very deep convolutional networks for large-scale image recognition”, arXiv preprint arXiv: 1409.1556 (2014)

タイトルに関連する用語 (3件)： 深層学習 ,  トポロジー最適化 ,  追加学習