文献

J-GLOBAL ID：202202285453634411   整理番号：22A0177196

不均一多孔質媒体中の自然対流をモデル化するための深い畳込みニューラルネットワークの効率およびロバスト性の解析【JST・京大機械翻訳】

Analyzing the efficiency and robustness of deep convolutional neural networks for modeling natural convection in heterogeneous porous media

著者 (8件)： Rajabi Mohammad Mahdi (Civil and Environmental Engineering Faculty, Tarbiat Modares University, PO Box 14115-397, Tehran, Iran) ,  Hajizadeh Javaran Mohammad Reza (Civil and Environmental Engineering Faculty, Tarbiat Modares University, PO Box 14115-397, Tehran, Iran) ,  Hajizadeh Javaran Mohammad Reza (Universite de Strasbourg, CNRS, ENGEES, ITES UMR 7063, F-67000 Strasbourg, France) ,  Bah Amadou-oury (Universite de Strasbourg, CNRS, ENGEES, ITES UMR 7063, F-67000 Strasbourg, France) ,  Frey Gabriel (Universite de Strasbourg, CNRS, ICube UMR 7357, F-67000 Strasbourg, France) ,  Le Ber Florence (Universite de Strasbourg, CNRS, ENGEES, ICube UMR 7357, F-67000 Strasbourg, France) ,  Lehmann Francois (Universite de Strasbourg, CNRS, ENGEES, ITES UMR 7063, F-67000 Strasbourg, France) ,  Fahs Marwan (Universite de Strasbourg, CNRS, ENGEES, ITES UMR 7063, F-67000 Strasbourg, France)
資料名： International Journal of Heat and Mass Transfer  (International Journal of Heat and Mass Transfer)
巻： 183  号： PB  ページ： Null  発行年： 2022年 
JST資料番号： C0390A  ISSN： 0017-9310  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 多孔質媒体(NCPM)における自然対流は,流体密度と粘度の温度依存性により,高非線形動力学により支配される。NCPMの数値モデリングに関連した高い計算コストを考えると,データ駆動メタモデルは,反復モデルランを必要とするアプリケーションにおける計算時間を減らすために一般的に使用される。しかし,様々な程度では,この文脈で以前に使用されたすべてのメタモデルは,高次元入力と出力問題へのスケーリングで strみ合っている。本研究は,NCPMの数値モデリングの手順を支援するため,特殊化した深層学習アーキテクチャとしての符号器デコーダ畳込みニューラルネットワーク(ED-CNN)の性能の調査を目的とする。著者らの関心は,モデルの入力と出力の両方が高次元で,しばしば高分解能で,特徴の空間分布である画像対画像回帰タスクに向けられる。画像の大きなデータセット(例えば,熱マップ)はNCPMの数値モデリングによって,また高分解能イメージングと非破壊走査技術を通して発生できる。したがって,画像対画像回帰のための方法論を開発するためにED-CNNを適用した。目的は2倍である。1)メタモデリングと不確実性伝播解析におけるED-CNNのロバスト性を評価し,2)入力パラメータ推定における最適化者としてのED-CNNの性能を評価する。そのために,ED-CNNを多孔質キャビティ内の自然対流の一般的ベンチマークに適用した。数値実験は,不均一領域の取扱いにおけるED-CNNのロバスト性と効率を強調する。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： 最適化 ,  *自然対流 ,  粘度 ,  不確実性 ,  復号器 ,  温度依存性 ,  応用プログラム ,  高次元 ,  ベンチマーク ,  計算機アーキテクチャ ,  *ロバスト性
準シソーラス用語： 数値実験 ,  数値モデリング ,  メタモデル ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 自然対流 ,  多孔質媒体 ,  深層学習 ,  畳込みニューラルネットワーク ,  画像から画像への回帰

分類 (1件)： 対流・放射熱伝達  (PA02030K)

タイトルに関連する用語 (7件)： 不均一 ,  多孔質媒体 ,  自然対流 ,  モデル化 ,  畳込みニューラルネットワーク ,  ロバスト性 ,  解析