論文の概要: Correlated-informed neural networks: a new machine learning framework to
predict pressure drop in micro-channels
- arxiv url: http://arxiv.org/abs/2201.07835v1
- Date: Wed, 19 Jan 2022 19:40:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-21 14:02:55.561128
- Title: Correlated-informed neural networks: a new machine learning framework to
predict pressure drop in micro-channels
- Title（参考訳）: correlationd-informed neural networks: マイクロチャネルの圧力降下を予測する新しい機械学習フレームワーク
- Authors: J.A. Montanez-Barrera, J.M. Barroso-Maldonado, A.F. Bedoya-Santacruz,
Adrian Mota-Babiloni
- Abstract要約: 本稿では,マイクロチャネル内のゼオトロピック混合物の圧力降下を予測するために,人工知能ニューラルネットワーク(ANN)技術を適用した新しいパラダイムを提案する。
提案するアプローチは、データセットを削減したディープラーニング問題によく使用されるTransfer Learningにインスパイアされている。
本研究では, トレーニングに使用する実験データと, 平均相対誤差(mre)が6%, 太陽・三島相関が13%であった場合, 相関インフォームド手法を用いて得られた利点を示す。
- 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: Accurate pressure drop estimation in forced boiling phenomena is important
during the thermal analysis and the geometric design of cryogenic heat
exchangers. However, current methods to predict the pressure drop have one of
two problems: lack of accuracy or generalization to different situations. In
this work, we present the correlated-informed neural networks (CoINN), a new
paradigm in applying the artificial neural network (ANN) technique combined
with a successful pressure drop correlation as a mapping tool to predict the
pressure drop of zeotropic mixtures in micro-channels. The proposed approach is
inspired by Transfer Learning, highly used in deep learning problems with
reduced datasets. Our method improves the ANN performance by transferring the
knowledge of the Sun & Mishima correlation for the pressure drop to the ANN.
The correlation having physical and phenomenological implications for the
pressure drop in micro-channels considerably improves the performance and
generalization capabilities of the ANN. The final architecture consists of
three inputs: the mixture vapor quality, the micro-channel inner diameter, and
the available pressure drop correlation. The results show the benefits gained
using the correlated-informed approach predicting experimental data used for
training and a posterior test with a mean relative error (mre) of 6%, lower
than the Sun & Mishima correlation of 13%. Additionally, this approach can be
extended to other mixtures and experimental settings, a missing feature in
other approaches for mapping correlations using ANNs for heat transfer
applications.
- Abstract（参考訳）: 高温熱交換器の熱解析と幾何設計において, 強制沸騰現象の高精度圧力降下推定が重要である。
しかし、現在の圧力降下予測法には、精度の欠如と異なる状況への一般化の2つの問題がある。
本研究では, 人工ニューラルネットワーク(ANN)技術の適用における新たなパラダイムである相関情報ニューラルネットワーク(CoINN)と, マイクロチャネル内のゼオトロピック混合物の圧力降下を予測するためのマッピングツールとしての圧力降下相関について述べる。
提案手法は,データセットの削減を伴う深層学習問題によく用いられる転送学習に着想を得たものである。
提案手法は, 降圧に対する太陽・三島相関の知識をANNに伝達することにより, ANNの性能を向上させる。
マイクロチャネルの圧力降下に物理的および現象学的に影響を及ぼす相関は、ANNの性能と一般化能力を大幅に向上させる。
最終アーキテクチャは、混合蒸気の品質、マイクロチャネル内径、利用可能な圧力降下相関の3つの入力で構成されている。
その結果,訓練に使用する実験データと平均相対誤差 (mre) が6%, 太陽・三島相関 (13%) よりも低い後方試験で得られる利点が得られた。
さらに、このアプローチは他の混合物や実験的な設定にも拡張できるが、これは熱伝達への応用にANNを使用して相関関係をマッピングする他の手法に欠けている特徴である。
関連論文リスト
- Empirical modeling and hybrid machine learning framework for nucleate pool boiling on microchannel structured surfaces [0.0]
マイクロチャネル構造表面における核沸騰に関する新しい経験的相関式が提案されている。
本研究では,マイクロチャネル構造面データセット上での機械学習(ML)アルゴリズムとディープニューラルネットワーク(DNN)についても検討する。
論文 参考訳（メタデータ） (2025-01-28T11:36:09Z) - Deep-Unrolling Multidimensional Harmonic Retrieval Algorithms on Neuromorphic Hardware [78.17783007774295]
本稿では,高精度かつエネルギー効率の高い単発多次元高調波検索のための変換に基づくニューロモルフィックアルゴリズムの可能性について検討する。
複雑な値の畳み込み層と活性化をスパイクニューラルネットワーク(SNN)に変換する新しい手法を開発した。
変換されたSNNは、元のCNNに比べて性能が低下し、ほぼ5倍の電力効率を実現している。
論文 参考訳（メタデータ） (2024-12-05T09:41:33Z) - Towards Resource-Efficient Federated Learning in Industrial IoT for Multivariate Time Series Analysis [50.18156030818883]
異常と欠落したデータは、産業応用における厄介な問題を構成する。
ディープラーニングによる異常検出が重要な方向として現れている。
エッジデバイスで収集されたデータは、ユーザのプライバシを含む。
論文 参考訳（メタデータ） (2024-11-06T15:38:31Z) - Investigation of Compressor Cascade Flow Using Physics- Informed Neural
Networks with Adaptive Learning Strategy [3.7683769965680067]
本研究では,新しい物理情報ニューラルネットワーク(PINN)を用いて,圧縮機の流れ場を初めて予測する。
PINNは、部分速度ベクトルと近接壁圧力情報のみに基づいて圧縮機のカスケードの流れ場を再構築することに成功した。
この研究は、PINNが現在の支配的なCFD手法と並行して、ターボ機械設計者に追加かつ有望な選択肢を提供できることを示す証拠を提供する。
論文 参考訳（メタデータ） (2023-07-15T22:01:28Z) - Towards a Better Theoretical Understanding of Independent Subnetwork Training [56.24689348875711]
独立サブネットワークトレーニング(IST)の理論的考察
ISTは、上記の問題を解決するための、最近提案され、非常に効果的である。
圧縮通信を用いた分散手法など,ISTと代替手法の基本的な違いを同定する。
論文 参考訳（メタデータ） (2023-06-28T18:14:22Z) - A machine learning approach to the prediction of heat-transfer
coefficients in micro-channels [4.724825031148412]
2相熱伝達係数(HTC)の正確な予測は、コンパクト熱交換器の最適設計と運転の鍵となる。
マルチ出力ガウスプロセス回帰 (GPR) を用いて, マイクロチャネル内のHTCを, 質量流量, 熱流束, システム圧力, チャネル径, 長さの関数として推定する。
論文 参考訳（メタデータ） (2023-05-28T15:48:01Z) - Estimating permeability of 3D micro-CT images by physics-informed CNNs
based on DNS [1.6274397329511197]
本稿では,地質岩のマイクロCTによる透水率予測手法を提案する。
透過性予測専用のCNNのためのトレーニングデータセットは、古典格子ボルツマン法(LBM)によって通常生成される透過性ラベルからなる。
その代わりに、定常ストークス方程式を効率的かつ分散並列に解き、直接数値シミュレーション(DNS)を行う。
論文 参考訳（メタデータ） (2021-09-04T08:43:19Z) - Influence Estimation and Maximization via Neural Mean-Field Dynamics [60.91291234832546]
本稿では,ニューラル平均場(NMF)ダイナミクスを用いた新しい学習フレームワークを提案する。
我々のフレームワークは拡散ネットワークの構造とノード感染確率の進化を同時に学習することができる。
論文 参考訳（メタデータ） (2021-06-03T00:02:05Z) - An Efficient Statistical-based Gradient Compression Technique for
Distributed Training Systems [77.88178159830905]
Sparsity-Inducing Distribution-based Compression (SIDCo) は閾値に基づくスペーシフィケーションスキームであり、DGCと同等のしきい値推定品質を享受する。
SIDCoは,非圧縮ベースライン,Topk,DGC圧縮機と比較して,最大で41:7%,7:6%,1:9%の速度でトレーニングを高速化する。
論文 参考訳（メタデータ） (2021-01-26T13:06:00Z) - EqSpike: Spike-driven Equilibrium Propagation for Neuromorphic
Implementations [9.952561670370804]
我々は、ニューロモルフィックシステムと互換性のあるEqSpikeと呼ばれるスパイクニューラルネットワークアルゴリズムを開発した。
シリコンニューロモルフィック技術に実装されたEqSpikeは,それぞれ推論とトレーニングのエネルギー消費を削減できることを示した。
論文 参考訳（メタデータ） (2020-10-15T16:25:29Z) - Network Diffusions via Neural Mean-Field Dynamics [52.091487866968286]
本稿では,ネットワーク上の拡散の推論と推定のための新しい学習フレームワークを提案する。
本研究の枠組みは, ノード感染確率の正確な進化を得るために, モリ・ズワンジッヒ形式から導かれる。
我々のアプローチは、基礎となる拡散ネットワークモデルのバリエーションに対して多用途で堅牢である。
論文 参考訳（メタデータ） (2020-06-16T18:45:20Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。