文献

J-GLOBAL ID：202202213830408886   整理番号：22A0640225

深層学習アルゴリズムに基づく高温超伝導磁気浮上の案内力のための予測モデル確立と比較【JST・京大機械翻訳】

Prediction models establishment and comparison for guiding force of high-temperature superconducting maglev based on deep learning algorithms

著者 (5件)： Ke Zhihao (State Key Laboratory of Traction Power, Southwest Jiaotong University, Chengdu, People’s Republic of China) ,  Liu Xiaoning (State Key Laboratory of Traction Power, Southwest Jiaotong University, Chengdu, People’s Republic of China) ,  Chen Yining (Leeds-Joint School, Southwest Jiaotong University, Chengdu, People’s Republic of China) ,  Shi Hongfu (School of Information Science and Technology, Southwest Jiaotong University, Chengdu, People’s Republic of China) ,  Deng Zigang (State Key Laboratory of Traction Power, Southwest Jiaotong University, Chengdu, People’s Republic of China)
資料名： Superconductor Science and Technology  (Superconductor Science and Technology)
巻： 35  号： 2  ページ： 024005 (28pp)  発行年： 2022年 
JST資料番号： T0607A  ISSN： 0953-2048  CODEN： SUSTEF  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 自己安定性と低エネルギー消費の利点のために,高温超伝導(HTS)磁気浮上は,新型の輸送モードになる可能性を有する。HTS磁気浮上の横方向自己安定性を保証するための重要な指数として,誘導力は強い非線形性を持ち,多方向因子によって決定され,これらの複雑性は更なる研究を妨げる。従来の有限要素および多項式フィッティング法と比較して,深層学習アルゴリズムの繁ity性は,他の誘導力予測アプローチを提供することができたが,この方式の検証は,まだブランクであった。したがって,本論文は,5つの異なるニューラルネットワークモデル(動径基底関数,深いニューラルネットワーク(DNN),畳み込みニューラルネットワーク,再帰ニューラルネットワーク,長い短期記憶ニューラルネットワーク(LSTM))を確立して,HTS磁気浮上誘導力を予測して,収集したデータの3720片に基づくそれらの予測効率を比較した。一方,パラメータ行列と学習速度調整のための2つの適応反復アルゴリズムを提案して,それは効果的に計算時間と不必要な反復を減少することができた。結果によると,DNNモデルは最良の適合度を示し,一方,LSTMモデルは誘導力予測に関して最も滑らかな適合曲線を示した。この発見に基づいて,構築したDNNモデルの予測精度に及ぼす学習速度と反復の影響を研究した。そして,最も高い誘導力予測精度における学習率と反復は,それぞれ0.00025と90000であった。さらに,このDNNモデルに対してK倍交差検証法を適用し,その結果,このDNNモデルの一般化とロバスト性を明らかにした。誘導力予測モデルの普遍性を確実にするためのK倍交差検証法の必要性を同様に評価した。本論文は,最初に,異なるフィールド冷却高さ,リアルタイム磁束密度,液体窒素温度,およびバルクの運動方向を考慮して,HTS磁気浮上誘導力予測と深い学習アルゴリズムを組み合わせた。さらに,本論文はHTS誘導力予測とパラメータ最適化のための便利で効率的な方法を与える。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： 多項式 ,  *学習 ,  ニューラルネットワーク ,  磁束密度 ,  *モデル ,  *磁気浮上 ,  ロバスト性 ,  *高温超伝導 ,  *学習アルゴリズム ,  *予測モデル
準シソーラス用語： 神経回路網モデル ,  パラメータ最適化 ,  予測精度 ,  反復アルゴリズム ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 超伝導磁石  (BM04042N) ,  電磁機器  (NB10030C)

タイトルに関連する用語 (4件)： 深層学習 ,  アルゴリズム ,  高温超伝導磁気浮上 ,  予測モデル