文献
J-GLOBAL ID:202202259774124956   整理番号:22A0507630

付加的に製造された格子構造のための深層ニューラルネットワークによる支柱直径の不確実性予測【JST・京大機械翻訳】

Strut Diameter Uncertainty Prediction by Deep Neural Network for Additively Manufactured Lattice Structures
著者 (4件):
資料名:
巻: 22  号:ページ: Null  発行年: 2022年 
JST資料番号: W1403A  ISSN: 1530-9827  CODEN: JCISB6  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:
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。
付加製造(AM)は,格子構造の製作したストラット部材に幾何学的不確実性を導入する。これらの不確実性は,ストラットのモデル化と製作した形状の間の偏差をもたらす。一定のプロセスパラメータのための小さな訓練データセットによるAM導入幾何学的不確実性を説明する有効支柱直径の統計的パラメータを正確に予測するための深層ニューラルネットワーク(DNN)の使用を,本研究で研究した。訓練データのために,ある角度と直径値を有するストラットが,材料押出工程によって作られた。作製したストラットの顕微鏡画像から得られた空間ストラット半径測定に基づくランダム場理論を用いて,幾何学的不確実性を定量化した。不確実性は,確率的アップスケーリング技術を用いて支柱の有効直径に伝播する。モデル化ストラット直径と有効直径の特性パラメータ間の関係を訓練データとして用いてDNNモデルを確立した。検証結果は,DNNモデルが,訓練データセットが小さい場合でも,訓練データで使われるものとは異なる角度と直径でモデル化された支柱の有効直径の統計的パラメータを予測できることを示した。小さなデータを有するそのようなDNNモデルを開発することは,設計者が追加実験を必要とせずに設計最適化プロセスに製作結果を使用することを可能にするであろう。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。
, 【Automatic Indexing@JST】
分類 (5件):
分類
JSTが定めた文献の分類名称とコードです
装置内の流れ  ,  風力発電  ,  代数学  ,  地盤改良,土質安定処理  ,  固体の処理装置一般 

前のページに戻る