| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2022-03-09 09:05 ［招待講演］畳み込みニューラルネットワークを用いた流体場の低次元化と欠損情報推定 ○深潟康二（慶大）  IBISML2021-39 |
|
| 抄録 | （和） | ここ数年，流体力学の諸問題に対する機械学習の応用が盛んに研究されている．本講演では，チャネル乱流における断面速度場の時間的発展の再構成，超解像解析，および鈍頭物体周りの流れやチャネル乱流の低次元モデリングなど，いくつかの流体力学の問題に対する畳み込みニューラルネットワーク(CNN)に基づくオートエンコーダの適用例を紹介する．また，CNNオートエンコーダによって抽出された非線形モードの解釈，低次元潜在変数に対する支配方程式の導出と流れ制御則設計への使用の試み，機械学習による予測の不確実性の定量化，実験データや非構造データへの応用の試みも紹介する． |
| （英） | In recent years, the application of machine learning to various problems of fluid mechanics has been actively studied. In the present talk, we will introduce our recent applications of CNN autoencoders and alike to some fluid mechanics problems, such as regeneration of temporal evolution of cross-sectional velocity field in a turbulent channel flow, super-resolution analysis, and reduced order modeling of flows around a bluff body and a minimal turbulent channel flow. We also introduce our attempts to interpret the nonlinear modes extracted by CNN autoencoder and to derive the governing equation of the low-dimensional latent vector toward an advanced design of flow control, as well as an attempt for uncertainty quantification and applications to experimental data and unstructured data. | |
| キーワード | （和） | 流体力学 / 機械学習 / 低次元モデル / 畳み込みニューラルネットワーク / / / / |
| （英） | Fluid Mechanics / Machine Learning / Reduced-Order Model / Convolutional Neural Network / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 419, IBISML2021-39, pp. 32-32, 2022年3月. | |
| 資料番号 | IBISML2021-39 | |
| 発行日 | 2022-03-01 (IBISML) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IBISML2021-39 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2022-03-08 - 2022-03-09 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 機械学習・一般 |
| テーマ（英） | Machine Learning, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2022-03-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | 畳み込みニューラルネットワークを用いた流体場の低次元化と欠損情報推定 |
| サブタイトル（和） | |
| タイトル（英） | --- |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 流体力学 / Fluid Mechanics |
| キーワード(2)（和/英） | 機械学習 / Machine Learning |
| キーワード(3)（和/英） | 低次元モデル / Reduced-Order Model |
| キーワード(4)（和/英） | 畳み込みニューラルネットワーク / Convolutional Neural Network |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 深潟 康二 / Koji Fukagata / フカガタ コウジ |
| 第1著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第2著者 氏名（和/英/ヨミ） | / / |
| 第2著者 所属（和/英） | (略称： ) (略称： ) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-03-09 09:05:00 |
| 発表時間 | 35分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2021-39 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.419 |
| ページ範囲 | p.32 |
| ページ数 | 1 |
| 発行日 | 2022-03-01 (IBISML) |
[研究会発表申込システムのトップページに戻る]