～ 流体力学の基礎、モード分解による流れの次元削減手法、ニューラルネットワークによる流れの予測手法、強化学習による流体最適制御への応用 ～
・流体力学の基礎から流れのデータ分析手法や強化学習による最適制御アルゴリズムの実装技術までを修得し、流体制御の実務に応用するための講座
・流体の膨大な時空間データを対象に、モード分解やニューラルネットワークによる流れの予測技術を修得し、流れの最適制御に活かそう！
・ＷＥＢ会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
流体力学の基礎と強化学習を用いた流体最適制御への応用 ＜オンラインセミナー＞
講師の言葉
近年、機械学習の関数近似能力の大幅な進歩により、幅広い領域でデータ駆動型イノベーションが起きている。流体工学の分野も例外ではなく、機械学習の様々なアルゴリズムが流れの研究・開発に利用されている。しかし、流体の膨大な時空間データを用いて、これらのアルゴリズムをそのまま用いても、いわゆる次元の呪いによって学習が上手くいかないことが多い。あるいは、十分な観測が出来ない（流れの全貌が分からない）ために、適応ができないアルゴリズムも存在する。一方で、流れは散逸の性質から秩序構造を有するため、状態は次元削減が可能である。
この講義では、モード分解の実装を通してこの流れの性質を学習・実感し、ニューラルネットワークを用いて少数変数の下での流れの予測を行う。また、一般的な強化学習のアルゴリズムが部分観測の下での流体最適制御に適応不可であることに対して、流れの低次元性をモデリングすることで、部分観測下での強化学習アルゴリズムの構築可能であることを紹介し、簡単な例で実践する。
セミナー詳細
| 開催日時 |
|
|---|---|
| 開催場所 | オンラインセミナー |
| カテゴリー | オンラインセミナー、電気・機械・メカトロ・設備、ソフト・データ・画像・デザイン |
| 受講対象者 |
・流体制御に関する業務に携わる技術者の方 ・流体の最適制御手法を実務に適用したい方 ・機械学習を用いた流れの予測・制御を行いたい／行っている技術者の方 |
| 予備知識 | ・Pythonを用いたデータ解析や回帰の経験があることが望ましい |
| 修得知識 | ・流れの時空間データを用いた「モード分解（教師なし学習）」、「ニューラルネットワーク（教師あり学習）での回帰」、「強化学習」の基礎と実装法が習得できる |
| プログラム |
１．流体力学の基礎 （１）．非圧縮ナビエ・ストークス方程式 （２）．方程式の無次元化 （３）．流れのレイノルズ数依存性と乱流遷移の普遍性 （４）．散逸と秩序構造 ａ．壁あり／壁なしでの典型的秩序構造 ｂ．低レイノルズ数流れでの低次元性 ｃ．高レイノルズ数流れでの有限次元性
２．モード分解による流れの次元削減 （１）．固有直交分解（POD）による流れの次元削減 ａ．PODの導出 ｂ．PODの実例 （２）．動的モード分解（DMD）による流れの次元削減 ａ．DMDの導出 ｂ．DMDの実例
３．ニューラルネットワークによる流れの予測手法 （１）．ニューラルネットワークの基礎 （２）．Tensorflowによるニューラルネットワークの実装 （３）．畳み込みニューラルネットワーク（CNN） （４）．リカレントニューラルネットワーク（RNN） （５）．ニューラルネットワークのカスタマイズ （６）．流れの時間発展則の学習と予測
４．強化学習による流体最適制御への応用 （１）．強化学習の基礎 （２）．アクター・クリティック法による深層強化学習 （３）．部分観測下での強化学習による流体最適制御手法 ａ．少数観測量下での強化学習アルゴリズムの導出 ｂ．抵抗低減の最適制御問題での実装
|
| キーワード |
流体力学 流体制御 強化学習 最適制御 モード分解 ニューラルネットワーク Tensorflow 畳み込みニューラルネットワーク CNN リカレントニューラルネットワーク RNN |
| タグ | AI・機械学習、シミュレーション・解析、データ解析、データ分析、最適化・応力解析、制御、流体解析 |
| 受講料 |
一般 (1名)：49,500円(税込)
同時複数申込の場合(1名)：44,000円(税込) |
| 会場 |
オンラインセミナー本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。 |
こちらのセミナーは受付を終了しました。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。
各種お問い合わせは、お電話でも受け付けております。
03-5322-5888
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日