Fugu-MT 論文翻訳(概要): Efficient planning of peen-forming patterns via artificial neural networks

論文の概要: Efficient planning of peen-forming patterns via artificial neural networks

arxiv url: http://arxiv.org/abs/2008.08049v1
Date: Tue, 18 Aug 2020 17:17:46 GMT
ステータス: 処理完了
システム内更新日: 2022-10-27 22:15:13.838691
Title: Efficient planning of peen-forming patterns via artificial neural networks
Title（参考訳）: ニューラルネットワークによるピーン形成パターンの効率的な計画
Authors: Wassime Siguerdidjane, Farbod Khameneifar, Fr\'ed\'erick P. Gosselin
Abstract要約: ニューラルネットワーク(NN)は、所定の対象形状(入力)とその最適ピーニングパターン(出力)に関連する非線形関数を学習するトレーニングされたNNは、平均2進法精度が98.8%のパターンをマイクロ秒で生成する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Robust automation of the shot peen forming process demands a closed-loop feedback in which a suitable treatment pattern needs to be found in real-time for each treatment iteration. In this work, we present a method for finding the peen-forming patterns, based on a neural network (NN), which learns the nonlinear function that relates a given target shape (input) to its optimal peening pattern (output), from data generated by finite element simulations. The trained NN yields patterns with an average binary accuracy of 98.8\% with respect to the ground truth in microseconds.
Abstract（参考訳）: ショットピーン形成プロセスのロバストな自動化は、処理イテレーション毎に適切な処理パターンをリアルタイムで見つける必要があるクローズドループフィードバックを要求する。本研究では,有限要素シミュレーションによって生成されたデータから,与えられた対象形状(入力)と最適なピーニングパターン(出力)を関連付ける非線形関数を学習するニューラルネットワーク(nn)に基づいて,ピーン形成パターンを求める手法を提案する。訓練されたnnは、マイクロ秒の基底真理に対する平均バイナリ精度98.8\%のパターンを生成する。

関連論文リスト

The Convex Landscape of Neural Networks: Characterizing Global Optima and Stationary Points via Lasso Models [75.33431791218302]
ディープニューラルネットワーク(DNN)モデルは、プログラミング目的に使用される。本稿では,凸型神経回復モデルについて検討する。定常的非次元目的物はすべて,グローバルサブサンプリング型凸解法プログラムとして特徴付けられることを示す。また, 静止非次元目的物はすべて, グローバルサブサンプリング型凸解法プログラムとして特徴付けられることを示す。
論文参考訳（メタデータ） (2023-12-19T23:04:56Z)
Unsupervised textile defect detection using convolutional neural networks [0.0]
教師なし繊維異常検出のためのモチーフに基づく新しい手法を提案する。従来の畳み込みニューラルネットワークの利点と教師なし学習パラダイムの利点を組み合わせる。パターンファブリクスベンチマークデータセットに対するアプローチの有効性を示す。
論文参考訳（メタデータ） (2023-11-30T22:08:06Z)
Site-specific Deep Learning Path Loss Models based on the Method of Moments [7.894490919875104]
本稿では,農村部におけるEM波伝搬予測問題に応用した深層学習モデルについて述べる。表面積分方程式の定式化を用いて、ランダムに生成された1次元地形プロファイル上で計算された経路損失を含む合成トレーニングデータを生成する。これらのモデルは、トレーニングデータを作成するのと同じ統計プロセスを用いて生成されたテストプロファイルに適用した場合に優れた一致を示し、実生活問題に適用する場合に非常に優れた精度を示す。
論文参考訳（メタデータ） (2023-02-02T12:29:38Z)
An unfolding method based on conditional Invertible Neural Networks (cINN) using iterative training [0.0]
非可逆ニューラルネットワーク(INN)のような生成ネットワークは確率的展開を可能にする。模擬トレーニングサンプルとデータ間のずれを調整した展開のための反復条件INN(IcINN)を導入する。
論文参考訳（メタデータ） (2022-12-16T19:00:05Z)
Low-Resource Music Genre Classification with Cross-Modal Neural Model Reprogramming [129.4950757742912]
ニューラルモデル再プログラミング(NMR)の概念に基づく低リソース(音楽)分類のための事前学習モデルを活用する新しい手法を提案する。 NMRは、凍結した事前学習モデルの入力を変更することにより、ソースドメインからターゲットドメインへの事前学習モデルの再取得を目指している。実験結果から,大規模データセットに事前学習したニューラルモデルは,この再プログラミング手法を用いて,音楽ジャンルの分類に成功できることが示唆された。
論文参考訳（メタデータ） (2022-11-02T17:38:33Z)
Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
論文参考訳（メタデータ） (2022-09-26T17:59:58Z)
A novel approach for wafer defect pattern classification based on topological data analysis [0.0]
半導体製造において、ウェハマップ欠陥パターンは設備維持と収量管理に重要な情報を提供する。本稿では,欠陥パターンの形状を有限次元ベクトルとして表現する新しい手法を提案する。
論文参考訳（メタデータ） (2022-09-19T11:54:13Z)
Neuron-based Pruning of Deep Neural Networks with Better Generalization using Kronecker Factored Curvature Approximation [18.224344440110862]
提案アルゴリズムは、ヘッセンのスペクトル半径を探索することにより、圧縮されたモデルのパラメータを平らな解へ向ける。以上の結果から, ニューロン圧縮における最先端の結果が向上することが示唆された。この手法は、異なるニューラルネットワークモデル間で小さな精度で、非常に小さなネットワークを実現することができる。
論文参考訳（メタデータ） (2021-11-16T15:55:59Z)
An AI-Assisted Design Method for Topology Optimization Without Pre-Optimized Training Data [68.8204255655161]
トポロジ最適化に基づくAI支援設計手法を提示し、最適化された設計を直接的に得ることができる。設計は、境界条件と入力データとしての充填度に基づいて、人工ニューラルネットワーク、予測器によって提供される。
論文参考訳（メタデータ） (2020-12-11T14:33:27Z)
Pre-Trained Models for Heterogeneous Information Networks [57.78194356302626]
異種情報ネットワークの特徴を捉えるための自己教師付き事前学習・微調整フレームワークPF-HINを提案する。 PF-HINは4つのデータセットにおいて、各タスクにおける最先端の代替よりも一貫して、大幅に優れています。
論文参考訳（メタデータ） (2020-07-07T03:36:28Z)
Modeling from Features: a Mean-field Framework for Over-parameterized Deep Neural Networks [54.27962244835622]
本稿では、オーバーパラメータ化ディープニューラルネットワーク(DNN)のための新しい平均場フレームワークを提案する。このフレームワークでは、DNNは連続的な極限におけるその特徴に対する確率測度と関数によって表現される。本稿では、標準DNNとResidual Network(Res-Net)アーキテクチャを通してフレームワークを説明する。
論文参考訳（メタデータ） (2020-07-03T01:37:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。