機械学習による乱流ビッグデータの特徴抽出手法の構築

Material type: 文書・図像類

Author: 深潟, 康二ほか

Publisher: -

Publication date: 2020

Material Format: Digital

Capacity, size, etc.: -

NDC: -

View All

Notes on use

Note (General)：: type:text本研究の目的は、機械学習技術を「乱流ビッグデータ」に適用することにより、線形理論だけでは抽出できないが乱流の自己生成維持機構の本質である非線形モードを抽出し、その時間発展方程式を導出することにより、新たな非線形特徴抽出手法を構築することである。本研究では畳み込みニューラルネットワー...

Related materials as well as pre- and post-revision versions

科研費研究者番号 : 80361517

科研費研究者番号 : 20230584

科研費研究者番号 : 50408712

科研費研究者番号 : 30396783

科研費研究者番号 : 60516186

科研費研究者番号 : 80585240

科研費研究者番号 : 80706383

科研費研究者番号 : 00318792

Search by Bookstore

Holdings of Libraries in Japan

This page shows libraries in Japan other than the National Diet Library that hold the material.

List of Cooperating Institutions and Databases

Please contact your local library for information on how to use materials or whether it is possible to request materials from the holding libraries.

other

Keio Associated Repository of Academic resources
Digital
You can check the holdings of institutions and databases with which 学術機関リポジトリデータベース（IRDB）（機関リポジトリ） is linked at the site of 学術機関リポジトリデータベース（IRDB）（機関リポジトリ）.
Keio Associated Repository of Academic resources

Search by Bookstore

Bibliographic Record

You can check the details of this material, its authority (keywords that refer to materials on the same subject, author's name, etc.), etc.

Digital

Material Type: 文書・図像類
Title: 機械学習による乱流ビッグデータの特徴抽出手法の構築
Author/Editor: 深潟, 康二
山本, 誠
岩本, 薫
長谷川, 洋介
塚原, 隆裕
福島, 直哉
守, 裕也
青木, 義満
Author Heading: 深潟, 康二
山本, 誠
岩本, 薫
長谷川, 洋介
塚原, 隆裕
福島, 直哉
守, 裕也
青木, 義満
Publication Date: 2020
Publication Date (W3CDTF): 2020
Alternative Title: キカイガクシュウニヨルランリュウビッグデータノトクチョウチュウシュツシュホウノコウチク
Kikai gakushū ni yoru ranryū biggu dēta no tokuchō chūshutsu shuhō no kōchiku
Construction of feature extraction method for turbulence big data by machine learning
Periodical title: 科学研究費補助金研究成果報告書
Text Language Code: jpn
eng
Subject Heading: 流体力学,乱流,ビッグデータ,機械学習,低次元モデル
Target Audience: 一般
Note (General): type:text
本研究の目的は、機械学習技術を「乱流ビッグデータ」に適用することにより、線形理論だけでは抽出できないが乱流の自己生成維持機構の本質である非線形モードを抽出し、その時間発展方程式を導出することにより、新たな非線形特徴抽出手法を構築することである。本研究では畳み込みニューラルネットワークに基づく自己符号器を用いて、高次元の流れ場情報を低次元の潜在変数に圧縮することにより特徴抽出を行い、その潜在変数の時間発展を支配する方程式をスパース回帰法を用いて導出した。この手法は円柱周りの非定常流などに対しては十分な精度での特徴抽出を行える一方、乱流に対してはさらなる低次元化の必要性が示唆された。 The purpose of this study is to apply the machine learning technology to "turbulent big data" to extract the nonlinear mode, which is the essence of the self-generation maintenance mechanism of turbulence and cannot be extracted by the conventional linear theory, and to detive its time evolution equation to construct a new nonlinear feature extraction method. In this study, we use an autoencoder based on convolutional neural networks to extract the features of flow fields by compressing high-dimensional flow field information into low-dimensional latent variables, and by using a sparse regression method to derive the equations that govern the time evolution of the latent variables. While this method can extract features with sufficient accuracy for unsteady flows around a cylinder, it was suggested that further reduction in dimension is necessary for turbulent flows.
研究種目 : 基盤研究 (A) (一般) 研究期間 : 2018～2020 課題番号 : 18H03758 研究分野 : 流体工学
Source: https://koara.lib.keio.ac.jp/xoonips/modules/xoonips/download.php?koara_id=KAKEN_18H03758seika
https://koara.lib.keio.ac.jp/xoonips/modules/xoonips/download.php?koara_id=KAKEN_18H03758seika
Access Restrictions: 限定公開
Related Material: 科研費研究者番号 : 80361517
科研費研究者番号 : 20230584
科研費研究者番号 : 50408712
科研費研究者番号 : 30396783
科研費研究者番号 : 60516186
科研費研究者番号 : 80585240
科研費研究者番号 : 80706383
科研費研究者番号 : 00318792
Data Provider (Database): 国立情報学研究所 : 学術機関リポジトリデータベース（IRDB）（機関リポジトリ）
https://irdb.nii.ac.jp
Original Data Provider (Database): 慶應義塾大学 : 慶應義塾大学学術情報リポジトリ