文献

J-GLOBAL ID：202202262725184667   整理番号：22A0005621

カムフォロア機構におけるフォロアジャンプの予測:リカレントニューラルネットワークにおける物理学にヒントを得た特徴の利用の利点【JST・京大機械翻訳】

Prediction of follower jumps in cam-follower mechanisms: The benefit of using physics-inspired features in recurrent neural networks

著者 (5件)： De Groote Wannes (Department of Electromechanical, Systems and Metal Engineering, Ghent University, 9000 Ghent, Belgium) ,  De Groote Wannes (EEDT-DC, Flanders Make, 3920 Lommel, Belgium) ,  Van Hoecke Sofie (Internet Technology and Data Science Lab (IDLab), Ghent University-imec, 9000 Ghent, Belgium) ,  Crevecoeur Guillaume (Department of Electromechanical, Systems and Metal Engineering, Ghent University, 9000 Ghent, Belgium) ,  Crevecoeur Guillaume (EEDT-DC, Flanders Make, 3920 Lommel, Belgium)
資料名： Mechanical Systems and Signal Processing  (Mechanical Systems and Signal Processing)
巻： 166  ページ： Null  発行年： 2022年 
JST資料番号： T0514A  ISSN： 0888-3270  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 最新の応用によって示される高い機能性能は,様々な複雑な機械的機構の凝集によって非常にしばしば確立され,必要な運動力学を全体システムに提供する。概して,機構挙動は,全応用の全ての適切な機能を確保するために,広範囲の操作条件に対して信頼性が高いべきである。特に,回転運動を線形変位に変換するカム-フォロー機構は往復運動によって誘起される高動力学によって悩まされる。特定の操作条件では,フォロワーはカム周辺から剥離する傾向があり,有害な跳ね返り挙動をもたらす。本論文では,広範囲の運転条件とシステム修正に対して,カム回転測定に基づいて,追従ジャンプ軌跡を推定するための再帰ニューラルネットワークの使用を提示した。これらのデータ駆動モデルは,生データから複雑なパターンを直接学習することが知られているが,モデルに対して物理学にヒントを得た特徴を提供するとき,予測性能の向上が観察された。この効果は,データあるいはデータがパラメータ空間に沿って均一に分布しているデータセットから学習するとき,特により顕著である。さらに,本論文では,反復ニューラルネットワークモデルの予測出力に対する多変量時系列における特徴の寄与を定量化するための付加的特徴属性法の利用を提示した。従って,Shapley付加説明(SHAP)値により,モデルは物理にヒントを得た特徴の組み込みを優先し,予測モデルの一般化能力の改善を説明した。一般的に,これらの結果は,物理にヒントを得た専門家知識を様々な他の予測モデルに組み込む可能性を示し,機械システムにおける不便な現象をモニターするための高度な方法論を可能にする。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  信頼性 ,  *ニューラルネットワーク ,  線形性 ,  往復運動 ,  スプリングバック ,  予測モデル
準シソーラス用語： 神経回路網モデル ,  *リカレントニューラルネットワーク ,  運転条件 ,  多変量 ,  生データ ,  *カムフォロア , 【Automatic Indexing@JST】

著者キーワード (5件)： カムフォロワ機構 ,  LSTMニューラルネットワーク ,  解釈可能な機械学習 ,  付加的特徴属性法 ,  SHAP

分類 (1件)： 運動機構  (QB01080K)

タイトルに関連する用語 (7件)： カムフォロア ,  ジャンプ ,  予測 ,  リカレントニューラルネットワーク ,  物理学 ,  ヒント ,  利点