論文の概要: CA-Based Interpretable Knowledge Representation and Analysis of Geometric Design Parameters

• arxiv url: http://arxiv.org/abs/2603.17535v1
• Date: Wed, 18 Mar 2026 09:43:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-19 18:32:57.614758
• Title: CA-Based Interpretable Knowledge Representation and Analysis of Geometric Design Parameters
• Title（参考訳）: CAに基づく幾何学的設計パラメータの解釈可能な知識表現と解析
• Authors: Alexander Köhler, Michael Breuß,
• Abstract要約: 多くのCADベースのアプリケーションでは、複雑なジオメトリは多数の設計パラメータによって定義される。 本研究では,PCAに基づく表現から設計パラメータを推定する問題に対処する。
• 参考スコア（独自算出の注目度）: 45.88028371034407
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In many CAD-based applications, complex geometries are defined by a high number of design parameters. This leads to high-dimensional design spaces that are challenging for downstream engineering processes like simulations, optimization, and design exploration tasks. Therefore, dimension reduction methods such as principal component analysis (PCA) are used. The PCA identifies dominant modes of geometric variation and yields a compact representation of the geometry. While classical PCA excels in the compact representation part, it does not directly recover underlying design parameters of a generated geometry. In this work, we deal with the problem of estimating design parameters from PCA-based representations. Analyzing a recent modification of the PCA dedicated to our field of application, we show that the results are actually identical to the standard PCA. We investigate limitations of this approach and present reasonable conditions under which accurate, interpretable parameter estimation can be obtained. With the help of dedicated experiments, we take a more in-depth look at every stage of the PCA and the possible changes of the geometry during these processes.
• Abstract（参考訳）: 多くのCADベースのアプリケーションでは、複雑なジオメトリは多数の設計パラメータによって定義される。 これは、シミュレーション、最適化、設計探索タスクといった下流のエンジニアリングプロセスに挑戦する、高次元の設計空間につながります。 そのため、主成分分析(PCA)のような次元削減手法が用いられる。 PCAは幾何変化の支配的なモードを特定し、幾何学のコンパクトな表現をもたらす。 古典的PCAはコンパクトな表現部で優れているが、生成した幾何学の基本的な設計パラメータを直接復元するわけではない。 本研究では,PCAに基づく表現から設計パラメータを推定する問題に対処する。 アプリケーション分野に特化したPCAの最近の変更を分析し、その結果が標準PCAと実際に同じであることを示す。 本稿では,本手法の限界と,正確な解釈可能なパラメータ推定が可能である合理的条件について検討する。 専用実験の助けを借りて、PCAのあらゆる段階と、これらの過程における幾何学的変化について、より深く観察する。

関連論文リスト

• PGOT: A Physics-Geometry Operator Transformer for Complex PDEs [15.319296758227857]
  物理幾何学演算子変換器(PGOT)を提案する。 PGOTは4つの標準ベンチマークで一貫した最先端性能を実現し、エアフォイルやカーデザインを含む大規模産業タスクに優れる。
  論文  参考訳（メタデータ） (2025-12-29T04:05:01Z)
• Beyond PCA: Manifold Dimension Estimation via Local Graph Structure [0.0]
  そこで本研究では,PCAと回帰に基づく手法を統合することで,多様体次元推定のための一般的なフレームワークを提案する。 本枠組みでは,2次埋め込み (QE) と最小二乗 (TLS) の2つの代表的な推定器を紹介する。 合成されたデータセットと実世界のデータセットの両方の実験では、これらの手法が最先端の代替手段と競合し、しばしば優れています。
  論文  参考訳（メタデータ） (2025-10-16T20:59:46Z)
• CP$^2$: Leveraging Geometry for Conformal Prediction via Canonicalization [51.716834831684004]
  幾何データシフトにおける共形予測(CP)の問題について検討する。 本稿では,幾何的ポーズなどの幾何学的情報を統合することを提案する。
  論文  参考訳（メタデータ） (2025-06-19T10:12:02Z)
• GTA: A Geometry-Aware Attention Mechanism for Multi-View Transformers [63.41460219156508]
  既存の位置符号化方式は3次元視覚タスクに最適であると主張する。 トークンの幾何学的構造を相対変換として符号化する幾何学的注意機構を提案する。 我々は、Geometric Transform Attention (GTA) と呼ばれる、最先端のトランスフォーマーベースNVSモデルの学習効率と性能を向上させることに留意している。
  論文  参考訳（メタデータ） (2023-10-16T13:16:09Z)
• Local manifold learning and its link to domain-based physics knowledge [53.15471241298841]
  多くの反応系では、熱化学状態空間は低次元多様体(LDM)に近く進化すると仮定される。 局所的データクラスタ(ローカルPCA)に適用されたPCAは,熱化学状態空間の固有パラメータ化を検出することができることを示す。
  論文  参考訳（メタデータ） (2022-07-01T09:06:25Z)
• 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)
• Optimal Bayesian experimental design for subsurface flow problems [77.34726150561087]
  本稿では,設計ユーティリティ機能のためのカオス拡張サロゲートモデル(PCE)の開発のための新しいアプローチを提案する。 この手法により,対象関数に対する適切な品質応答面の導出が可能となり,計算予算は複数の単点評価に匹敵する。
  論文  参考訳（メタデータ） (2020-08-10T09:42:59Z)
• A Compact Spectral Descriptor for Shape Deformations [0.8268443804509721]
  本研究では, 応力下での塑性変形挙動のパラメータ化手法を提案する。 既存のパラメータ化は計算解析を比較的単純な変形に制限する。 本稿では,スペクトルメッシュ処理に基づく変形挙動のコンパクト記述子を導出する手法を提案する。
  論文  参考訳（メタデータ） (2020-03-10T10:34:30Z)

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。