論文の概要: Deep Generative Model-based Synthesis of Four-bar Linkage Mechanisms with Target Conditions

• arxiv url: http://arxiv.org/abs/2402.14882v1
• Date: Thu, 22 Feb 2024 03:31:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-26 16:51:22.257027
• Title: Deep Generative Model-based Synthesis of Four-bar Linkage Mechanisms with Target Conditions
• Title（参考訳）: 深部生成モデルに基づく4バール結合機構と標的条件の合成
• Authors: Sumin Lee, Jihoon Kim, Namwoo Kang
• Abstract要約: 深層学習に基づく複数クランクロックの4バーリンク機構を生成するための生成モデルを提案する。 提案モデルは, 条件付き生成逆数ネットワーク (cGAN) を基盤として, 機構合成に改良を加えたモデルである。 その結果, 提案モデルでは, 特定のキネマティックおよび準静的な要求を満たす複数の異なるメカニズムが得られた。
• 参考スコア（独自算出の注目度）: 22.164394511786874
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mechanisms are essential components designed to perform specific tasks in various mechanical systems. However, designing a mechanism that satisfies certain kinematic or quasi-static requirements is a challenging task. The kinematic requirements may include the workspace of a mechanism, while the quasi-static requirements of a mechanism may include its torque transmission, which refers to the ability of the mechanism to transfer power and torque effectively. In this paper, we propose a deep learning-based generative model for generating multiple crank-rocker four-bar linkage mechanisms that satisfy both the kinematic and quasi-static requirements aforementioned. The proposed model is based on a conditional generative adversarial network (cGAN) with modifications for mechanism synthesis, which is trained to learn the relationship between the requirements of a mechanism with respect to linkage lengths. The results demonstrate that the proposed model successfully generates multiple distinct mechanisms that satisfy specific kinematic and quasi-static requirements. To evaluate the novelty of our approach, we provide a comparison of the samples synthesized by the proposed cGAN, traditional cVAE and NSGA-II. Our approach has several advantages over traditional design methods. It enables designers to efficiently generate multiple diverse and feasible design candidates while exploring a large design space. Also, the proposed model considers both the kinematic and quasi-static requirements, which can lead to more efficient and effective mechanisms for real-world use, making it a promising tool for linkage mechanism design.
• Abstract（参考訳）: メカニズムは、様々な機械システムで特定のタスクを実行するように設計されている。 しかし、特定のキネマティックまたは準静的要求を満たすメカニズムを設計することは難しい課題である。 運動的な要求は機構のワークスペースを含みうるが、機構の準静的な要求にはトルク伝達が含まれ、これは力とトルクを効果的に伝達する機構の能力を意味する。 本稿では, 前述のキネマティックと準静的の両方を満たすクランクロックの4バー結合機構を複数生成する深層学習モデルを提案する。 提案モデルでは, リンク長に関するメカニズムの要件間の関係を学習するために, 機構合成に改良を加えた条件付き生成逆ネットワーク(cGAN)をベースとした。 その結果, 提案モデルでは, 特定のキネマティックおよび準定常条件を満たす複数の異なるメカニズムが得られた。 本手法の新規性を評価するため,提案したcGAN,従来のcVAEおよびNSGA-IIを用いて合成した試料の比較を行った。 我々のアプローチは従来の設計方法よりもいくつかの利点がある。 設計者は大きな設計空間を探索しながら、多種多様な実現可能な設計候補を効率的に生成することができる。 また, 提案手法は, 運動的および準静的な要求の両方を考慮し, 実世界の使用においてより効率的かつ効果的なメカニズムを導出し, リンク機構設計に有望なツールとなる。

関連論文リスト

• Deep Reinforcement Learning for the Design of Metamaterial Mechanisms with Functional Compliance Control [1.3654846342364308]
  本研究では, 深部強化学習(RL)を用いた適合機構の効率的な設計手法を開発した。 FEAデータはRL法を用いて学習し、所望の機能要件に対して最適な適合機構を得る。
  論文  参考訳（メタデータ） (2024-08-08T11:18:40Z)
• Compete and Compose: Learning Independent Mechanisms for Modular World Models [57.94106862271727]
  異なる環境における再利用可能な独立したメカニズムを活用するモジュール型世界モデルであるCOMETを提案する。 COMETは、コンペティションとコンポジションという2段階のプロセスを通じて、動的に変化する複数の環境でトレーニングされている。 COMETは,従来のファインタニング手法に比べて,サンプル効率が向上し,多様なオブジェクト数で新しい環境に適応できることを示す。
  論文  参考訳（メタデータ） (2024-04-23T15:03:37Z)
• Deep Learning Meets Mechanism Design: Key Results and Some Novel Applications [1.2661010067882734]
  本稿では、関連する文献から、深層学習を用いたメカニズム設計の技術的詳細について述べる。 本稿では,3つのケーススタディにおいて,このアプローチのパワーを実証する。
  論文  参考訳（メタデータ） (2024-01-11T06:09:32Z)
• Refined Mechanism Design for Approximately Structured Priors via Active Regression [50.71772232237571]
  我々は、大量の商品を戦略的入札者に販売する収益を最大化する販売業者の問題を考える。 この設定の最適かつほぼ最適のメカニズムは、特徴付けや計算が難しいことで有名である。
  論文  参考訳（メタデータ） (2023-10-11T20:34:17Z)
• Bayesian Modelling Approaches for Quantum States -- The Ultimate Gaussian Process States Handbook [0.0]
  この論文では、量子多体波動関数の(古典的な)モデリングのための新しいツールとテクニックについて論じる。 一般的な機械学習アプローチとの相乗効果を利用して、最も関連する固有の特徴の自動推論を実現する方法について概説する。 結果として得られるモデルは高い解釈可能性を持ち、量子システムの研究に容易に適用可能なツールを提供する。
  論文  参考訳（メタデータ） (2023-08-15T09:37:58Z)
• Robust Hamiltonian Engineering for Interacting Qudit Systems [50.591267188664666]
  我々は、強く相互作用するキューディット系のロバストな動的疎結合とハミルトン工学の定式化を開発する。 本研究では,これらの手法を,スピン-1窒素空洞中心の強相互作用・無秩序なアンサンブルで実験的に実証した。
  論文  参考訳（メタデータ） (2023-05-16T19:12:41Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• Vertical Layering of Quantized Neural Networks for Heterogeneous Inference [57.42762335081385]
  量子化モデル全体を1つのモデルにカプセル化するための,ニューラルネットワーク重みの新しい垂直層表現について検討する。 理論的には、1つのモデルのトレーニングとメンテナンスのみを必要としながら、オンデマンドサービスの正確なネットワークを達成できます。
  論文  参考訳（メタデータ） (2022-12-10T15:57:38Z)
• Recommender Systems meet Mechanism Design [29.132299904090868]
  提案手法では,入札者の価値分布をトピックモデルで近似できる多項目機構の設計問題を考察する。 このフレームワークの拡張により,話題モデルの表現力を利用して,問題の有効次元を低減できる。
  論文  参考訳（メタデータ） (2021-10-25T00:03:30Z)
• Transformers with Competitive Ensembles of Independent Mechanisms [97.93090139318294]
  隠れた表現とパラメータを複数のメカニズムに分割し、注意を通して情報を交換する新しいトランスフォーマー層を提案する。 TIM を大規模 BERT モデル、画像変換器、および音声強調について研究し、意味的に意味のある専門化とパフォーマンスの向上の証拠を見つけます。
  論文  参考訳（メタデータ） (2021-02-27T21:48:46Z)
• Reinforcement Learning of Sequential Price Mechanisms [24.302600030585275]
  本稿では、間接的なメカニズムに強化学習を導入し、既存のシーケンシャルな価格体系のクラスで作業する。 提案手法は,複数の実験環境において最適あるいは準最適メカニズムを学習可能であることを示す。
  論文  参考訳（メタデータ） (2020-10-02T19:57:25Z)

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。