文献

J-GLOBAL ID：202202263855028446   整理番号：22A1090262

音響-振動相互作用問題の多変量不確実性定量化のためのサンプル効率の良い深層学習法【JST・京大機械翻訳】

A sample-efficient deep learning method for multivariate uncertainty qualification of acoustic-vibration interaction problems

著者 (12件)： Chen Leilei (Henan International Joint Laboratory of Structural Mechanics and Computational Simulation, Huanghuai University, PR China) ,  Chen Leilei (Key Laboratory of In-situ Property-improving Mining of Ministry of Education, Taiyuan University of Technology, Taiyuan, Shanxi, PR China) ,  Chen Leilei (School of Architectural Engineering, Huanghuai University, PR China) ,  Chen Leilei (College of Architecture and Civil Engineering, Xinyang Normal University, PR China) ,  Cheng Ruhui (Henan International Joint Laboratory of Structural Mechanics and Computational Simulation, Huanghuai University, PR China) ,  Cheng Ruhui (College of Architecture and Civil Engineering, Xinyang Normal University, PR China) ,  Li Shengze (Academy of Military Science, Beijing, PR China) ,  Lian Haojie (Henan International Joint Laboratory of Structural Mechanics and Computational Simulation, Huanghuai University, PR China) ,  Lian Haojie (Key Laboratory of In-situ Property-improving Mining of Ministry of Education, Taiyuan University of Technology, Taiyuan, Shanxi, PR China) ,  Zheng Changjun (Institute of Sound and Vibration Research, Hefei University of Technology, PR China) ,  Bordas Stephane P.A. (Institute for Computational Engineering, Faculty of Science, Technology and Communication, University of Luxembourg, Luxembourg) ,  Bordas Stephane P.A. (School of Engineering, Cardiff University, The Parade, CF24 3AA, Cardiff, UK)
資料名： Computer Methods in Applied Mechanics and Engineering  (Computer Methods in Applied Mechanics and Engineering)
巻： 393  ページ： Null  発行年： 2022年 
JST資料番号： E0856A  ISSN： 0045-7825  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： 音響振動相互作用システムにおける多変量不確実性に対処する効率的なモンテカルロシミュレーション法を提案した。深層ニューラルネットワークは,モンテカルロシミュレーションのサンプリング効率を強化するための一般的代理モデルとして作用する。特異値分解-放射基底関数(SVD-RBF)は,元の完全モデルとニューラルネットワークの間のブリッジとして作用し,ニューラルネットワークの訓練データセットを縮小次数モデルから迅速に評価できる。完全次数モデルのスナップショットを等幾何学解析により求め,ここでは振動音響相互作用問題に対する2つの数値スキーム,すなわち,Kirchhoff-Loveシェルの振動をシミュレーションするための等幾何有限要素法と外部音響波に対する等幾何境界要素法を結合した。数値結果は,提案したアルゴリズムが不確実性解析の効率を著しく改良できることを示した。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： アルゴリズム ,  幾何学 ,  シミュレーション ,  *相互作用 ,  有限要素法 ,  *不確実性 ,  *音響 ,  ニューラルネットワーク ,  音波 ,  音響振動 ,  境界要素法 ,  特異値分解
準シソーラス用語： モンテカルロシミュレーション ,  スナップショット ,  *多変量 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： FEM/BEM結合 ,  等幾何学的解析 ,  振動音響解析 ,  モンテカルロシミュレーション ,  深層ニューラルネットワーク ,  SVD-RBF

分類 (1件)： 構造力学一般  (HD01000X)

タイトルに関連する用語 (8件)： 音響 ,  相互作用 ,  問題 ,  多変量 ,  不確実性 ,  定量化 ,  サンプル ,  深層学習