磁気回路設計に向けたCNN分類器の分類精度改善に関する基礎的検討

カテゴリ: 研究会(論文単位)

論文No: RM18075

グループ名: 【D】産業応用部門 回転機研究会

発行日: 2018/08/21

タイトル(英語): Fundamental Study on Performance Improvement of Classifier Using CNN for Magnetic Circuit Design

著者名: 川俣 良太(早稲田大学),若尾 真治(早稲田大学)

著者名(英語): Ryota Kawamata(Waseda University),Shinji Wakao(Waseda University)

キーワード: 深層学習|畳み込みニューラルネットワーク|磁気回路|最適化設計|ＣＮＮ分類器|磁界解析|Deep Learning|Convolutional Neural Network|Magnetic Circuit|Design Optimization |Classifier Using CNN|Magnetic Field Analysis

要約(日本語): 深層学習の発展により、畳み込みニューラルネットワーク（CNN）は様々な分野で活用され、機器設計への適用事例も報告され始めている。しかし、機器設計の基本となる磁気回路への適応を前提として、CNN分類器の基本的な検討が十分になされているとは言えない。そこで本稿では、「磁気回路設計に向けたCNN分類器」の作成に際して、内部パラメータや、学習データの品質が分類精度に及ぼす影響等の調査を行ったので報告する。

要約(英語): Recently deep learning methodologies are studied, and convolutional neural networks (CNNs) especially attract much attention in image recognition fields. Furthermore the application of CNN to the evaluation of magnetic circuit was reported. With the above background, in this paper, we discuss the way to improve classification accuracy by adjusting both training data and internal parameters about CNN classifier for magnetic circuit design.

原稿種別: 日本語

PDFファイルサイズ: 1,437 Kバイト