流体力現象と相関のある非定常流場の領域を抽出し可視化するための説明可能な機械学習フレームワークを提案しました.高次元の流れデータを固有直交分解(POD)と畳み込みニューラルネットワーク(CNN)を用いて圧縮し,得られた低次元表現に基づいて多層パーセプトロン(MLP)回帰器を用いた抗力係数推定,およびシャプレー加法説明(SHAP)を用いたモデルを解釈により空間的に重要な領域を特定します.
名古屋大学 大学院工学研究科 航空宇宙工学専攻 流体力学研究グループ
Fluid Dynamics Laboratory, Nagoya University
流体力現象と相関のある非定常流場の領域を抽出し可視化するための説明可能な機械学習フレームワークを提案しました.高次元の流れデータを固有直交分解(POD)と畳み込みニューラルネットワーク(CNN)を用いて圧縮し,得られた低次元表現に基づいて多層パーセプトロン(MLP)回帰器を用いた抗力係数推定,およびシャプレー加法説明(SHAP)を用いたモデルを解釈により空間的に重要な領域を特定します.