文献

J-GLOBAL ID：202102225689198559   整理番号：21A3063757

確率的機械学習による付加設計の加速【JST・京大機械翻訳】

Accelerating Additive Design With Probabilistic Machine Learning

著者 (6件)： Zhang Yiming (General Electric Research Center, 1 Research Circle, Niskayuna, NY 12309) ,  Karnati Sreekar (General Electric Research Center, 1 Research Circle, Niskayuna, NY 12309) ,  Nag Soumya (General Electric Research Center, 1 Research Circle, Niskayuna, NY 12309) ,  Johnson Neil (General Electric Research Center, 1 Research Circle, Niskayuna, NY 12309) ,  Khan Genghis (General Electric Research Center, 1 Research Circle, Niskayuna, NY 12309) ,  Ribic Brandon (America Makes, 236 West Boardman Street, Youngstown, OH 44503)
資料名： ASCE-ASME Journal of Risk and Uncertainty in Engineering Systems, Part B: Mechanical Engineering  (ASCE-ASME Journal of Risk and Uncertainty in Engineering Systems, Part B: Mechanical Engineering)
巻： 8  号： 1  ページ： Null  発行年： 2022年 
JST資料番号： W5089A  ISSN： 2332-9017  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： 付加製造(AM)は,工業的応用を変換するために急速に成長している。しかし,AMの基本的メカニズムは完全には理解されておらず,建物の低い成功率をもたらした。改善は,追加設計を支援し,設計効率を高めるために,実験データセットに基づく代理モデリングを導入することである。AM,特に直接エネルギー堆積(DED)の予測モデリングのための最初の論文の1つとして,本論文では,双方向モデリングフレームワークとその多重DEDベンチマーク設計への応用を検討した。(1)交差検証による前方予測,(2)グローバル感度解析,(3)後方予測と最適化,(4)知的データ加算。約1150の機械的引張試験試料を抽出し,機械パラメータ,後処理,および機械的,微細構造,および物理的特性からの出力変数から入力変数を用いて試験した。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： 最適化 ,  微細構造 ,  感度解析 ,  Gauss過程 ,  多重化 ,  後処理 ,  引張 ,  逆問題 ,  加算 ,  ベンチマーク ,  ロバスト性 ,  *機械学習 ,  付加製造

著者キーワード (5件)： Gauss過程 ,  適応サンプリング ,  逆問題 ,  ロバストな最適化 ,  添加剤設計

分類 (5件)： 酸化物薄膜  (BK14050P) ,  発電機  (NB07020J) ,  オペレーションズリサーチ一般  (KA03010Q) ,  信頼性  (KB04040H) ,  ディジタル計算機方式一般  (JC02010O)

タイトルに関連する用語 (4件)： 確率 ,  機械学習 ,  設計 ,  加速