More Related Content
Featured
Featured (20)
20180712 snakamura
- 2. 目次 1. BRVO患者の治療後の視力推定の進捗 2. CFRP平板モデルの座屈モードのクラスタリング 3. T-sne 4. DBSCAN 5. 結果 6. 今後の予定及び調査・検討内容
- 7. 研究背景・目的 • 3DプリントCFRPの座屈特性解明のため，座屈モー ドの類似性の調査 似てる or 似てない 特徴量2 特徴量1 座屈モードが同クラスターなら 座屈モードにおいてはモデル間で 互換可能と言えるのでは？ Ex) モデル1の2次モード モデル2の6次モード モデル3の4次モード
- 9. 実験方法 8つの条件で線形座屈解析 (各モデルで6次モードまで) 座屈モード（板厚方向変位） 取得×48枚 28×28×3ピクセルの各画像 を一次元にする(2352ピクセル) PCAにより2352→ 100次元に圧縮 T-sneにより100→ 2次元に圧縮 DBSCANにより クラスタリング モデルのサイズ • 100×100×3[mm] FEMの条件 • Shell要素 • 8接点2次要素 • 要素数：50×50 • 変位制御で2mm圧縮 3つのCFRP平板モデル+均質等方性モデル • （0/±45/90）擬似等方性の積層モデル • （0/±60/90）擬似等方性の積層モデル • 円形配向モデル（3DプリントCFRPモデル） • alumi板モデル 境界条件（2パターン） • 4辺固定 • 側辺単純支持 荷重P 側辺 側辺
- 11. 実験方法 8つの条件で線形座屈解析 (各モデルで6次モードまで) 座屈モード（板厚方向変位） 取得×48枚 28×28×3ピクセルの各画像 を一次元にする(2352ピクセル) PCAにより2352→ 100次元に圧縮 T-sneにより100→ 2次元に圧縮 DBSCANにより クラスタリング 28 28 3(RGB) 1 2 3 4 5 … 2352 モデル 1 52 40 122 … … … … モデル 2 … … … … … … … モデル 3 … … … … … … … 2352の画素値
- 12. 実験方法 8つの条件で線形座屈解析 (各モデルで6次モードまで) 座屈モード（板厚方向変位） 取得×48枚 28×28×3ピクセルの各画像 を一次元にする(2352ピクセル) PCAにより2352→ 100次元に圧縮 T-sneにより100→ 2次元に圧縮 DBSCANにより クラスタリング 1 2 3 4 … … 2352 モデル 1 52 40 122 … … … … モデル 2 … … … … … … … モデル 3 … … … … … … … 2352の画素値 PCAの実施 1 2 3 4 … … 100 モデル 1 0.8 0.2 0.1 … … … … モデル 2 … … … … … … … モデル 3 … … … … … … … 100次元の特徴量
- 13. 実験方法 8つの条件で線形座屈解析 (各モデルで6次モードまで) 座屈モード（板厚方向変位） 取得×48枚 28×28×3ピクセルの各画像 を一次元にする(2352ピクセル) PCAにより2352→ 100次元に圧縮 T-sneにより100→ 2次元に圧縮 DBSCANにより クラスタリング 1 2 3 4 … … 100 モデル 1 0.8 0.2 0.1 … … … … モデル 2 … … … … … … … モデル 3 … … … … … … … 100次元の特徴量 t-sneの実施 2次元の特徴量へ削減 1 2 モデ ル1 … … モデ ル2 … … モデ ル３ … … 特徴量2 特徴量1 2次元平面にマッピング後 DBSCANを実施 Ex) モデル1の2次モード モデル2の6次モード モデル3の4次モード
- 14. 3. T-sne（次元削減手法）
- 15. T-sneの概要 • 2008年にHintonらによって考案された高次元デー タの次元削減アルゴリズム • 複雑なデータも綺麗に二次元に可視化することが 可能． • 再現性が取りづらく，次元削減後のデータの解釈 も難しい． • ハイパーパラメーターは比較的少ない 以下はMNISTの例 LLE Isomap Sammonmap T-sne https://lvdmaaten.github.io/publications/papers/JMLR_2008.pdf
- 17. DBSCAN（Density-based spatial clustering of applications with noise）の概要 メリット • https://qiita.com/konyavic/items/7ec60f72ec480726e00a によるとt-sne と相性がいい • 最初にクラスタ数を決めなくていい • ハイパーパラメーター数が少ない • 複雑な形状のクラスタを見つけてくれる（人間の直感に反していない） http://scikit-learn.org/stable/auto_examples/cluster/plot_cluster_comparison.html#sphx-glr-auto-examples-cluster-plot-cluster-comparison-py
- 18. 5. 結果
- 20. 1次モード 6次モード 実験結果(DBSCANのパラメーター固定) Perplexity = 9 Perplexity = 11 alumi = 1 alumi_sp=2 CF_45 = 3 CF_45_sp = 4 CF_60 = 5 CF_60_sp = 6 CF_cir = 7 CF_cir_sp =8
- 21. 1次モード 6次モード 考察 Perplexity = 9 • DBSCANでは，背景が赤のものを同じ クラスタとしてみている． →1次のモードと6次のモードが同類 • 同じとみなして欲しくないので， 板厚対称性も考慮した上で画像を 作成 • そもそも座屈の特徴量として他に 注目すべきものがあるのではないか ex)各接点や各要素の変位， 座屈荷重 • CNNを利用する？
- 22. 6. 今後の予定及び調査内容
- 23. 今後の予定及び調査内容 今後の予定 • 接点または要素の板厚方向変位を取得し，それを 特徴量としてみる • 今後2週間くらいでいい結果が出れば，計算力学 会に応募したい 調査内容 • 座屈を考慮して設計する場合，座屈荷重以外に考 慮しなければならないものの調査（一般的な薄肉 構造物の設計指針のようなもの） • ANSYSで各接点変位，座標のCSV出力の仕方