抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,ニューラルネットワークを用いて適切に洗練された有限要素メッシュを生成する方法を提案した。モデル問題として,多角形境界を持つ平面領域(おそらく穴を持つ)に関する線形弾性問題を考察した。境界の一部の位置を固定し,境界の別の部分に力を適用することにより境界条件を課した。得られた応力の変位と分布は,分域の形状と境界条件に依存する。四角形有限要素を用いた標準Galerkin離散化を適用すると,通常,応力分布の最大を適正に解決するために適応精密化を行う必要がある。このような適応方式は局所誤差推定器と対応する局所精密化戦略を必要とする。このような戦略の全体的コストは高い。評価がこの適応精密化手順を置き換えるニューラルネットワークを訓練することによって適切な離散化を得るコストを削減することを提案した。著者らは,大きなクラスの可能なドメインと境界条件のための単一ネットワークをセットアップして,関心の単一ドメインになかった。計算領域と境界条件を画像として解釈し,畳み込みニューラルネットワークの適切な入力である。Uネットアーキテクチャを用いて,その全体的幾何学的複雑性に基づいて,可能な入力を異なるカテゴリーに分割することにより訓練戦略を考案した。従って,異なる幾何学的複雑性に基づく異なる訓練戦略を比較した。提案アプローチの利点の一つは,画像としての入力と出力の解釈であり,それは,基礎となる離散化方式に依存しない。もう1つは一般化可能性と幾何学的柔軟性である。ネットワークを,異なるトポロジーと詳細レベルでさえ,以前には,幾何学に応用できる。したがって,訓練は,他のクラスの形状に容易に拡張できる。【JST・京大機械翻訳】