http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Topology optimization via machine learning and deep learning: a review
Shin Seungyeon,Shin Dongju,Kang Namwoo 한국CDE학회 2023 Journal of computational design and engineering Vol.10 No.4
Topology optimization (TO) is a method of deriving an optimal design that satisfies a given load and boundary conditions within a design domain. This method enables effective design without initial design, but has been limited in use due to high computational costs. At the same time, machine learning (ML) methodology including deep learning has made great progress in the 21st century, and accordingly, many studies have been conducted to enable effective and rapid optimization by applying ML to TO. Therefore, this study reviews and analyzes previous research on ML-based TO (MLTO). Two different perspectives of MLTO are used to review studies: (i) TO and (ii) ML perspectives. The TO perspective addresses “why” to use ML for TO, while the ML perspective addresses “how” to apply ML to TO. In addition, the limitations of current MLTO research and future research directions are examined.
신승연(Seungyeon Shin),홍성민(Sungmin Hong),박상현(Sanghyun Park),윤일동(Il Dong Yun),이상욱(Sang Uk Lee) 한국방송·미디어공학회 2012 한국방송공학회 학술발표대회 논문집 Vol.2012 No.7
본 논문에서는 의료영상 영역화 기법으로 이용되는 레이블 융합 기법을 기반으로, 정합 기법을 이용했을 시 빈번하게 발생하는 경계에서의 오차를 크게 줄여줄 수 있는 기법을 제안한다. 패치 기반 레이블 융합 기법은 패치 간의 밝기 값의 유사도를 기반으로 융합 가중치를 계산하였지만 이는 밝기의 분포가 상대적으로 다른 자기공명영상에 적합하지 못한 경우가 많았다. 본 논문에서는 밝기 값과 함께 밝기 값의 경사도 유사도를 추가적으로 계산하여 융합 가중치를 얻어내는 기법을 제안한다. 밝기의 분포가 다른 영역에서도 밝기의 경사도 분포는 대부분 유사하기 때문에, 오차가 많은 모호한 경계에서 향상된 결과를 얻을 수 있었다. 제안하는 기법의 성능평가를 위해 50 개의 SKI10 무릎 관절 데이터 셋 내에서 대퇴골을 영역화 하였다. 실험 결과를 통해 제안하는 기법이 밝기 값 유사도 정보만을 이용했던 기법에 비해 개선된 성능을 보이고 있음을 확인할 수 있다.
신승연 ( Seungyeon Shin ),김현진 ( Hyunjin Kim ),박상현 ( Sanghyun Park ) 한국정보처리학회 2016 한국정보처리학회 학술대회논문집 Vol.23 No.2
machine learning 기법 중 하나인 logistic regression 을 이용하여 benign sample 과 breast cancer sample 을 구분할 수 있는데,이 연구를 통해 classification 의 정확도를 높이고 false positive 와 false negative 의 비율을 줄이려고 했다. 그래서 logistic regression 의 parameter 값을 바탕으로 regression function 에 영향을 많이 주는 feature 들을 선택하고,영향력 있는 feature 들을 더한 새로운 feature 를 주가했다. 그 결과 정 확도와 F-score 가 증가했으며,false positive, false negative 의 비율이 감소했다.
신승연(Seungyeon Shin),신동주(Dongju Shin),류한영(Hanyoung Ryu),김민영(Minyoung Kim),강남우(Namwoo Kang) 대한기계학회 2021 대한기계학회 춘추학술대회 Vol.2021 No.8
Topology optimization is a method for determining optimal material distribution within a given design space under certain constraints on load and boundaries. Since topology optimization was introduced, various methodologies such as Solid Isotropic Microstructure with Penalization (SIMP), Evolutionary Structural Optimization (ESO), Level Set Method (LSM) have been studied. Recently, a lot of research has been done on data-driven topology optimization, and various machine learning techniques has been applied to effectively optimize design topologies. Especially, deep learning-based topology optimization complement the problems of conventional topology optimization by improving the optimization algorithms and reducing computational costs. The goal of this research is to review studies in the field of deep learning approach for topology optimization, based on the purpose of applying deep learning to topology optimization and the methodology applied.