転移学習を用いた磁気部品解析・設計の基礎検討

カテゴリ: 研究会(論文単位)

論文No: SA23068,RM23067

グループ名: 【B】電力・エネルギー部門 静止器/【D】産業応用部門 回転機合同研究会

発行日: 2023/08/25

タイトル(英語): Basic Study on Transfer Learning applied to Analysis and Design of Magnetic Components

著者名: 佐藤 佑樹(青山学院大学),松本 洋和(青山学院大学),丸尾 昭人(富士通)

著者名(英語): Yuki Sato(Aoyama Gakuin University),Hirokazu Matsumoto(Aoyama Gakuin University),Akito Maruo(Fujitsu)

キーワード: 転移学習|ニューラルネットワーク|磁気部品|Transfer learning|Neural network|Magnetic component

要約(日本語): 近年、機械学習が注目を浴びているが、データセットの取得に大幅な時間が取られている。_x000D_ 一方で、データセットを他問題から流用することで、ターゲット問題のデータセットを削減することが期待される転移学習と呼ばれる手法が注目を集めている。_x000D_ そこで本稿では、転移学習を磁気部品解析・設計で適用可能な幾つかの問題に適用し、その有効性に関して議論する。

要約(英語): In recent years, machine learning has been gaining attention, but acquiring the dataset takes a significant amount of time._x000D_ On the other hand, a technique called transfer learning, which involves reusing datasets from other problems, is attracting attention as a way to reduce the dataset required for the target problem._x000D_ Therefore, in this paper, we apply transfer learning to several problems that are applicable to magnetic component analysis and design, and discuss its effectiveness.

本誌: 2023年8月28日-2023年8月29日静止器/回転機合同研究会-1

本誌掲載ページ: 63-68 p

原稿種別: 日本語

PDFファイルサイズ: 1,616 Kバイト