深層学習における追学習手法に関する検討

カテゴリ: 研究会(論文単位)

論文No: RM19098

グループ名: 【D】産業応用部門 回転機研究会

発行日: 2019/09/13

タイトル(英語): The study on additional learning method in deep learning

著者名: 佐々木 秀徳(三菱電機／北海道大学),日高 勇気(三菱電機),田中 敏則(三菱電機),伊藤 一将(三菱電機),大友 佳嗣(北海道大学),五十嵐 一(北海道大学)

著者名(英語): Hidenori Sasaki(Mitsubishi Electric Corporation/Hokkaido University),Yuki Hidaka(Mitsubishi Electric Corporation),Toshinori Tanaka(Mitsubishi Electric Corporation),Kazumasa Ito(Mitsubishi Electric Corporation),Yoshitsugu Otomo(Hokkaido University),Hajime Igarashi(Hokkaido University)

キーワード: 深層学習|有限要素法|埋込同期磁石モータ|トポロジー形状最適化|追学習|Deep Learning|Finite Element Method|IPM Motor|Topology Optimization|Additional Learning

要約(日本語): 畳み込みニューラルネットワーク(CNN)はGAによる最適化との親和性が高い。ここで用いられるCNNは単一磁石形状のみに有効であり、他磁石形状に適用できなかった。しかし、実設計の現場では様々な形状パターンに適用することが想定される。そこで、本発表では二形状のIPMモータに関して深層学習を用いた特性評価を行い、これらの点について検討した結果について報告を行う。

要約(英語): A convolutional neural network (CNN) has high affinity with optimization by GA. The CNN was effective only for a single magnet shape, and could not be applied to other magnet shapes. However, application to various shape patterns is assumed in the actual design site. Therefore, in this paper, the characteristics of the IPM motor with two shapes using deep learning were evaluated, and the results of examining these points were reported.

原稿種別: 日本語

PDFファイルサイズ: 1,673 Kバイト