[Contact]   [English]  
Home  |   Research  |   Lecture  |   Publications  |   Products & Services  |   People  |   Links  |  


Home > Research > deep_learning_1 >

ディープラーニングと機械工学の融合

(c)todoroki lab.


■ディープラーニングを用いた数値シミュレーション

畳み込みニューラルネットワーク(CNN)の成熟に伴い,人間を上回るほど高精度の画像認識が実現されました.本研究では,CNNを用いて物理現象を解析するシミュレーション手法を提案します.本手法は,不均一な物性分布(熱伝導率分布)をもつ物体の温度分布を効率的に算出するものです.まず,熱伝導率分布を画像と見たててCNNに入力し,物体の伝熱特性(熱伝導の高い経路など)を認識します.その認識結果と境界条件に基づいて温度を算出します.また,知識の蒸留を利用して,小規模なCNNであっても高精度の温度分布を算出可能とする工夫も施しました.


■ディープラーニングを用いた構造最適化

畳み込みニューラルネットワーク(CNN)の成熟に伴い,人間を上回るほど高精度の画像認識が実現されました.本研究では,CNNを用いて構造の最適設計を行う手法を提案します.目的は,構造の剛性を最大化する材料密度分布を得ることです.材料密度が高い箇所は高剛性,低い箇所は低剛性となります.まず,材料密度分布を画像と見たててCNNに入力し,剛性に関する特徴量を抽出します.その抽出結果に基づいて剛性を高める材料密度分布を取得します.


以下は,上記と関連する研究です.


■ディープラーニング × 医療


(c)todoroki lab.


■脳科学 × 機械工学


(c)todoroki lab.


_

Copyright© 2006-Todoroki Lab. All rights reserved.