文献

J-GLOBAL ID：202202231327843366   整理番号：22A0652565

3Dプリント航空宇宙構造への適用による機械学習により強化したマルチスケール構造解析【JST・京大機械翻訳】

Multi-Scale Structural Analysis Enhanced By Machine Learning With Applications To 3D Printed Aerospace Structures

著者 (4件)： Gustafson Peter A. (Western Michigan University) ,  Pineda Evan J. (NASA Glenn Research Center) ,  Stuckner Joshua (NASA Glenn Research Center) ,  Arnold Steven M. (NASA Glenn Research Center)
資料名： AIAA Conference Proceedings / Meeting Papers  (AIAA Conference Proceedings / Meeting Papers)
巻： 2022  号： AIAA SCITECH 2022 Forum  ページ： 0078  発行年： 2022年 
JST資料番号： H0236B  資料種別： 会議録 (C)
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： 畳み込みニューラルネットワークを用いて,金属微細構造の細胞モデルの一般化方法に対する歪と応力の局所化を強化した。グランドトルース歪の関数として線形回帰係数に関して測定した強化せん断歪は,不正確および無相関(斜面=0.003,r2=0.000)から,地上の真性(斜面=1.0,r2=1.0)と比較して,正確で良く相関した(傾斜=0.890,r2=0.882)。畳み込みニューラルネットワークを適用すると,2または3のストライドは,より高いコストで,より効果的であったが,コンボリューションストライド1.0(パッド=’サーム’)は,中程度に有効だっただけであったが,一方,2または3のストライドは,より効果的であったが,しかし,2または3のストライドは,より効果的であった。付加的な畳み込み層は,通常,付加的な高密度層より,しばしば,限られた利点で,より高価であった。強化された局所化せん断歪と応力の精度は,損傷進行モデル,特に,セルの一般化法が中間スケールに適用される階層的マルチスケール方法の文脈において,利益をもたらすことが期待される。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： 畳込み ,  微細構造 ,  *構造解析 ,  精度 ,  相関 ,  斜面 ,  モデル ,  *三次元 ,  パッド ,  *機械学習 ,  剪断歪
準シソーラス用語： *マルチスケール ,  局在化 ,  回帰係数 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  金属材料  (HC02020X) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 3D ,  航空宇宙 ,  機械学習 ,  強化 ,  マルチスケール ,  構造解析