研究課題/領域番号 |
22K12164
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分61030:知能情報学関連
|
研究機関 | 電気通信大学 |
研究代表者 |
千葉 一永 電気通信大学, 大学院情報理工学研究科, 教授 (50450705)
|
研究期間 (年度) |
2022-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2024年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2023年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
キーワード | 進化的学習分類子システム / 非定常空気力学 / 遷音速バフェット / 航空機 / 非定常高速空気力学 |
研究開始時の研究の概要 |
カオス的挙動をとる遷音速バフェットデータに対し進化的学習分類子システムを適用することで,遷音速バフェットの時間的な発生位置の規定に挑む.規定が可能となることで観測すべき時間的位置が絞られ,発生メカニズム追究につながる.その結果,遷音速バフェットの制約を考慮する必要のない革新機体や運航システムが設計可能となり,現在に比べ劇的に安全で快適な近未来空輸が実現される.
|
研究実績の概要 |
本研究では,解析的に得られた遷音速バフェットの時系列データに進化的学習分類子システムを適用し,時間的な発生起点を定義する. 本年度は,物理量の時間勾配を入力値として手法の学習を行ったところ,カオス的な元データには見られなかった周期性がデータの挙動に確認された.つまり,解析的に用意されたデータに前処理を行うことで,学習が行いやすくなった.また,用意した時系列データが含む物理量の中で,一様流速度の変動量が最も強く周期性を示した.
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
アルゴリズム自体は改良しなくとも,進化的学習分類子システムへの入力データを改良することで,より適切にアルゴリズムが学習を進められるという仮説の確認が本年度の予定であり,その仮説が正しいことまで確認を終えたため.
|
今後の研究の推進方策 |
注目すべき物理量を1つに絞れ,進化的学習分類子システム(eLCS)に入力する前の前処理の方法論が確認できたため,eLCSが出力した結果の物理的解釈を進める.特に,eLCSは,入力する時系列データにおける注目すべき重要時間を1点のみ示す訳ではないため,提示される複数の重要時間に生じている物理現象を比較しつつ解釈する.
|