論文の概要: Design of Induction Machines using Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2306.17626v1
• Date: Fri, 30 Jun 2023 12:56:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-03 12:26:45.892895
• Title: Design of Induction Machines using Reinforcement Learning
• Title（参考訳）: 強化学習を用いた誘導機械の設計
• Authors: Yasmin SarcheshmehPour, Tommi Ryyppo, Victor Mukherjee, and Alex Jung
• Abstract要約: カスタマイズ誘導電動機の設計のための強化学習アルゴリズムを提案する。 その結果,提案手法は人間の工学的知識を使わずに電気機械設計を自動化できることが示唆された。
• 参考スコア（独自算出の注目度）: 2.099922236065961
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The design of induction machine is a challenging task due to different electromagnetic and thermal constraints. Quick estimation of machine's dimensions is important in the sales tool to provide quick quotations to customers based on specific requirements. The key part of this process is to select different design parameters like length, diameter, tooth tip height and winding turns to achieve certain torque, current and temperature of the machine. Electrical machine designers, with their experience know how to alter different machine design parameters to achieve a customer specific operation requirements. We propose a reinforcement learning algorithm to design a customised induction motor. The neural network model is trained off-line by simulating different instances of of electrical machine design game with a reward or penalty function when a good or bad design choice is made. The results demonstrate that the suggested method automates electrical machine design without applying any human engineering knowledge.
• Abstract（参考訳）: 誘導機の設計は、電磁的および熱的制約が異なるため、難しい課題である。 機械寸法の迅速な推定は、特定の要求に基づいて顧客への迅速な引用を提供する販売ツールにおいて重要である。 このプロセスの重要な部分は、長さ、直径、歯先の高さ、回転といった異なる設計パラメータを選択し、機械のトルク、電流、温度を達成することである。 電気機械設計者は、顧客固有の運用要件を達成するために、異なるマシン設計パラメータを変更する方法を経験している。 カスタマイズ誘導電動機の設計のための強化学習アルゴリズムを提案する。 ニューラルネットワークモデルは、良いまたは悪い設計が選択されたときに、電気機械デザインゲームの異なるインスタンスと報酬またはペナルティ関数をシミュレートして、オフラインで訓練される。 提案手法は,人間の工学的知識を使わずに電気機械設計を自動化する。

関連論文リスト

• Geometric Deep Learning for Computer-Aided Design: A Survey [85.79012726689511]
  本調査では,コンピュータ支援設計における学習手法の概要について概観する。 類似性解析と検索、2Dおよび3DCADモデル合成、点雲からのCAD生成を含む。 ベンチマークデータセットとその特性の完全なリストと、この領域の研究を推進しているオープンソースコードを提供する。
  論文  参考訳（メタデータ） (2024-02-27T17:11:35Z)
• Representation Learning for Sequential Volumetric Design Tasks [11.702880690338677]
  本稿では,設計知識を専門家や高性能な設計シーケンスの集合から符号化することを提案する。 学習した表現の密度を推定して選好モデルを開発する。 逐次設計生成のための自己回帰変換モデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-05T21:21:06Z)
• Machine Learning-Based Multi-Objective Design Exploration Of Flexible Disc Elements [1.5638419778920147]
  本稿では,ANNアーキテクチャを工学設計問題に適用し,改良された設計ソリューションの探索と同定を行う。 本研究の問題点は、ディスク結合に使用されるフレキシブルディスク素子の設計である。 この目的を達成するために、ANNと遺伝的アルゴリズムを組み合わせて設計探索を行い、指定された基準を満たす設計を同定する。
  論文  参考訳（メタデータ） (2023-04-14T16:48:51Z)
• Design Space Exploration and Explanation via Conditional Variational Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
  本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。 CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
  論文  参考訳（メタデータ） (2022-11-29T17:28:31Z)
• Design of Unmanned Air Vehicles Using Transformer Surrogate Models [8.914156789222266]
  我々は,無人航空機(UAV)の設計を合成するAIデザイナを開発した。 提案手法では,高額なフライトダイナミックスモデルやCADツールを動作させることなく,新規なドメイン固有符号化を用いた深部変圧器モデルを用いて,提案手法の性能評価を行う。
  論文  参考訳（メタデータ） (2022-11-11T21:22:21Z)
• Design Automation for Fast, Lightweight, and Effective Deep Learning Models: A Survey [53.258091735278875]
  本調査では,エッジコンピューティングを対象としたディープラーニングモデルの設計自動化技術について述べる。 これは、有効性、軽量性、計算コストの観点からモデルの習熟度を定量化するために一般的に使用される主要なメトリクスの概要と比較を提供する。 この調査は、ディープモデル設計自動化技術の最先端の3つのカテゴリをカバーしている。
  論文  参考訳（メタデータ） (2022-08-22T12:12:43Z)
• Concepts for Automated Machine Learning in Smart Grid Applications [0.2624902795082451]
  エネルギーシステムにおける機械学習手法の大規模適用は、専門家の知識の必要性によって損なわれている。 プロセス知識は、問題の形式化やモデルの検証、適用に必要です。 我々は、自動運転車のSAE標準に沿って、予測のための5つのレベルの自動化を定義する。
  論文  参考訳（メタデータ） (2021-10-26T11:34:41Z)
• Using Machine Learning to Predict Engineering Technology Students' Success with Computer Aided Design [50.591267188664666]
  機械学習技術と組み合わせたデータによって、特定の学生がデザインタスクでどれだけうまく機能するかを予測する方法を示す。 初期設計シーケンスアクションを用いたモデルは,特に予測に有用であることが判明した。 これらのモデルをさらに改善することで、事前の予測が得られ、学生のフィードバックがより早く得られるようになり、学習が向上する可能性がある。
  論文  参考訳（メタデータ） (2021-08-12T20:24:54Z)
• Efficient pre-training objectives for Transformers [84.64393460397471]
  本研究はトランスフォーマーモデルにおける高効率事前学習目標について検討する。 マスクトークンの除去と損失時のアウトプット全体の考慮が,パフォーマンス向上に不可欠な選択であることを証明する。
  論文  参考訳（メタデータ） (2021-04-20T00:09:37Z)
• Machine Learning-Based Automated Design Space Exploration for Autonomous Aerial Robots [55.056709056795206]
  自律飛行ロボットのためのドメイン固有のアーキテクチャの構築は、オンボードコンピューティングを設計するための体系的な方法論が欠如しているため、難しい。 F-1ルーフラインと呼ばれる新しいパフォーマンスモデルを導入し、アーキテクトがバランスの取れたコンピューティングシステムを構築する方法を理解するのを助ける。 サイバー物理設計空間を自動でナビゲートするために、AutoPilotを導入します。
  論文  参考訳（メタデータ） (2021-02-05T03:50:54Z)
• Human-in-the-Loop Design Cycles -- A Process Framework that Integrates Design Sprints, Agile Processes, and Machine Learning with Humans [1.52292571922932]
  この研究は、HILL(Human-in-the-learning-loop)デザインサイクルという新しいプロセスフレームワークを提案する。 HILL Design Cyclesプロセスは、定性的なユーザテストの代わりに、設計知覚のための定量的な心理測定器を使用する。 生成されたユーザフィードバックは、マシンラーニングモデルをトレーニングし、その後の設計サイクルを4つの設計次元に沿って指示するのに役立つ。
  論文  参考訳（メタデータ） (2020-02-29T07:35:35Z)

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。