畳み込みニューラルネットワークを用いた磁気回路の特徴量抽出に関する検討

カテゴリ: 研究会(論文単位)

論文No: SA20046,RM20070

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: 2020/09/03

タイトル(英語): Feature Extraction of Magnetic Circuits Using Convolutional Neural Networks

著者名: 田中 眞之(同志社大学),桂井 麻里衣(同志社大学),髙橋 康人(同志社大学),藤原 耕二(同志社大学)

著者名(英語): Mayuki Tanaka(Doshisha University),Marie Katsurai(Doshisha University),Yasuhito Takahashi(Doshisha University),Koji Fujiwara(Doshisha University)

キーワード: 畳み込みニューラルネットワーク|磁気回路|機械学習|最適化設計|可視化|convolutional neural network|magnetic circuit|machine learning|design optimization|visualization

要約(日本語): 本稿では，電気機器のトポロジー最適化の過程で得られる情報を活用し，畳み込みニューラルネットワーク (CNN) を用いた磁気回路の特徴抽出手法を提案する．具体的には，入力を磁性材料の密度分布画像，出力を磁気エネルギーの状態クラスとしてCNNを学習する．さらに，入力画像のクラス分類に寄与した部分を画像上で可視化する．得られた可視化結果に基づき，適切な磁気回路構造の設計に有益な情報の抽出を試みる．

要約(英語): This paper presents an approach for feature extraction of magnetic circuits using a convolutional neural network (CNN). Specifically, we first train a 34-layer network that predicts the magnetic energy class for magnetic circuits given as input images. Then, we visualize features learnt by the CNN to provide insights of magnetic circuit designs. Numerical experiments performed on pairs of images and energy demonstrate the effectiveness of our approach in terms of both classification accuracy and qualitative evaluation of visualization.

原稿種別: 日本語

PDFファイルサイズ: 2,545 Kバイト