論文の概要: Deep Concept Identification for Generative Design

• arxiv url: http://arxiv.org/abs/2410.20061v1
• Date: Sat, 26 Oct 2024 03:49:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-29 12:21:52.638210
• Title: Deep Concept Identification for Generative Design
• Title（参考訳）: 生成設計のための深層概念同定
• Authors: Ryo Tsumoto, Kentaro Yaji, Yutaka Nomaguchi, Kikuo Fujita,
• Abstract要約: 本研究では,ディープラーニング(DL)技術を用いた生成設計のための概念識別フレームワークを提案する。 生成設計技術を用いて多種多様な代替品を生成し、その代替品をDL技術を用いて複数のカテゴリに分類し、分類モデルを用いてこれらのカテゴリを設計実践のために配置する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: A generative design based on topology optimization provides diverse alternatives as entities in a computational model with a high design degree. However, as the diversity of the generated alternatives increases, the cognitive burden on designers to select the most appropriate alternatives also increases. Whereas the concept identification approach, which finds various categories of entities, is an effective means to structure alternatives, evaluation of their similarities is challenging due to shape diversity. To address this challenge, this study proposes a concept identification framework for generative design using deep learning (DL) techniques. One of the key abilities of DL is the automatic learning of different representations of a specific task. Deep concept identification finds various categories that provide insights into the mapping relationships between geometric properties and structural performance through representation learning using DL. The proposed framework generates diverse alternatives using a generative design technique, clusters the alternatives into several categories using a DL technique, and arranges these categories for design practice using a classification model. This study demonstrates its fundamental capabilities by implementing variational deep embedding, a generative and clustering model based on the DL paradigm, and logistic regression as a classification model. A simplified design problem of a two-dimensional bridge structure is applied as a case study to validate the proposed framework. Although designers are required to determine the viewing aspect level by setting the number of concepts, this implementation presents the identified concepts and their relationships in the form of a decision tree based on a specified level.
• Abstract（参考訳）: トポロジ最適化に基づく生成設計は、高い設計度を持つ計算モデルにおけるエンティティとして様々な選択肢を提供する。 しかし、生成した代替品の多様性が増すにつれて、デザイナーが最も適切な代替品を選択する際の認知的負担も増大する。 実体の様々なカテゴリを見出す概念識別アプローチは、代替品を構築する効果的な手段であるが、形状の多様性のため、それらの類似性の評価は困難である。 そこで本研究では,ディープラーニング(DL)技術を用いた生成設計のための概念識別フレームワークを提案する。 DLの重要な能力の1つは、特定のタスクの異なる表現の自動学習である。 深層概念の同定は、DLを用いた表現学習を通して、幾何学的特性と構造的性能のマッピング関係に関する洞察を提供する様々なカテゴリを見つけ出す。 提案手法は,多種多様な代替案を生成設計手法を用いて生成し,その代替案をDL手法を用いて複数のカテゴリに分類し,これらのカテゴリを分類モデルを用いて設計実践のために配置する。 本研究は,DLパラダイムに基づく生成およびクラスタリングモデル,分類モデルとしてのロジスティック回帰を実装することにより,その基本的な機能を示す。 2次元橋梁構造の簡易設計問題をケーススタディとして適用し,提案手法の有効性を検証した。 設計者は概念の数を設定して視点レベルを決定する必要があるが、この実装では、特定された概念とそれらの関係を、指定されたレベルに基づいて決定ツリーの形式で提示する。

関連論文リスト

• Assessing the Variety of a Concept Space Using an Unbiased Estimate of Rao's Quadratic Index [0.0]
  「バラエティ」は、デザイナーが探求する概念空間の幅を定量化できるパラメータの1つである。 この記事では、エンジニアリングデザインの文献から既存のさまざまなメトリクスについて詳しく、そして批判的に考察する。 評価プロセスを支援するための規範的フレームワークとともに,新しい距離に基づく多様性指標を提案する。
  論文  参考訳（メタデータ） (2024-08-01T16:25:54Z)
• Mining Frequent Structures in Conceptual Models [2.841785306638839]
  本稿では,概念モデリング言語における頻繁な構造発見問題に対する一般的なアプローチを提案する。 我々は,頻繁な部分グラフマイニングアルゴリズムとグラフ操作手法を組み合わせる。 主な目的は、言語エンジニアのためのサポート施設を提供することである。
  論文  参考訳（メタデータ） (2024-06-11T10:24:02Z)
• 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)
• Understanding Concept Identification as Consistent Data Clustering Across Multiple Feature Spaces [2.631955426232593]
  概念識別は、すべての特徴の合同空間で類似したデザインインスタンスのグループを特定することを目的としている。 これらの特徴のいくつかを個別に考慮し、設計概念の質を評価することが望ましい。 そこで本研究では,概念同定をクラスタリングアルゴリズムの特別な形式として,幅広い潜在的な応用の可能性について考察する。
  論文  参考訳（メタデータ） (2023-01-13T13:08:54Z)
• Design Target Achievement Index: A Differentiable Metric to Enhance Deep Generative Models in Multi-Objective Inverse Design [4.091593765662773]
  設計目標達成指標(Design Target Achievement Index, DTAI)は、設計者が指定した最小パフォーマンス目標を達成するための設計能力を評価する、微分可能で調整可能な指標である。 DTAIをPaDGAN(Performance-Augmented Diverse GAN)に適用し,ベースラインのDeep Generative Modelよりも優れた生成性能を示す。
  論文  参考訳（メタデータ） (2022-05-06T04:14:34Z)
• Model-Based Deep Learning: On the Intersection of Deep Learning and Optimization [101.32332941117271]
  決定アルゴリズムは様々なアプリケーションで使われている。 数理モデルに頼らずにデータから調整された高度パラメトリックアーキテクチャを使用するディープラーニングアプローチが、ますます人気が高まっている。 モデルに基づく最適化とデータ中心のディープラーニングは、しばしば異なる規律とみなされる。
  論文  参考訳（メタデータ） (2022-05-05T13:40:08Z)
• Evaluation of Self-taught Learning-based Representations for Facial Emotion Recognition [62.30451764345482]
  この研究は、顔の感情認識のための自己学習の概念を通じて得られた教師なし表現を生成するための様々な戦略を記述する。 このアイデアは、オートエンコーダの初期化、アーキテクチャ、トレーニングデータを変化させることで、多様性を促進する補完的な表現を作ることである。 Jaffe と Cohn-Kanade のデータセットに対する残余のサブジェクトアウトプロトコルによる実験結果から,提案した多種多様な表現に基づく FER 手法が最先端のアプローチと好適に比較できることが示唆された。
  論文  参考訳（メタデータ） (2022-04-26T22:48:15Z)
• Semantic Representation and Dependency Learning for Multi-Label Image Recognition [76.52120002993728]
  本稿では,各カテゴリのカテゴリ固有のセマンティック表現を学習するための,新しい,効果的なセマンティック表現と依存性学習(SRDL)フレームワークを提案する。 具体的には,カテゴリー別注意領域(CAR)モジュールを設計し,チャネル/空間的注意行列を生成してモデルを導出する。 また、カテゴリ間のセマンティック依存を暗黙的に学習するオブジェクト消去(OE)モジュールを設計し、セマンティック認識領域を消去する。
  論文  参考訳（メタデータ） (2022-04-08T00:55:15Z)
• Pareto-wise Ranking Classifier for Multi-objective Evolutionary Neural Architecture Search [15.454709248397208]
  本研究は,多様な設計目的の下で実現可能な深層モデルを見つける方法に焦点を当てる。 オンライン分類器を訓練し、候補と構築された参照アーキテクチャとの優位性関係を予測する。 さまざまな目的や制約の下で、2Mから6Mまでの異なるモデルサイズを持つ多数のニューラルアーキテクチャを見つけます。
  論文  参考訳（メタデータ） (2021-09-14T13:28:07Z)
• Redefining Neural Architecture Search of Heterogeneous Multi-Network Models by Characterizing Variation Operators and Model Components [71.03032589756434]
  複素領域における異なる変動演算子の効果について検討する。 モデルの複雑さと性能に影響を及ぼす変化演算子と、それを構成する異なる部分の質を推定する様々な指標に依存するモデルの両方を特徴付ける。
  論文  参考訳（メタデータ） (2021-06-16T17:12:26Z)
• Quality meets Diversity: A Model-Agnostic Framework for Computerized Adaptive Testing [60.38182654847399]
  コンピュータ適応テスト(CAT)は多くのシナリオで有望なテストアプリケーションとして現れています。 CAT ソリューションのための新しいフレームワークである Model-Agnostic Adaptive Testing (MAAT) を提案する。
  論文  参考訳（メタデータ） (2021-01-15T06:48:50Z)

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。