～ 流体方程式と流れの秩序構造、モード分解による流れの次元削減、ニューラルネットワークを用いた流れの予測手法、強化学習の実装による流体最適制御への応用 ～
・流体の基本的な性質から流れに対するモード分解、ニューラルネットワーク、強化学習の実装ノウハウを修得し、流れの予測や最適制御に応用するための講座
・流体の膨大な時空間データに強化学習を適用するための次元削減・モデリング手法からアルゴリズム構築のポイントまでを修得し、データ駆動型による流体最適制御を実践しよう！
・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。
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が可能であることを紹介し、簡単な例で実践する。
| 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：流体方程式と流れの秩序構造 （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 （５）．円柱周り流れの数値計算の実装
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モードを用いた流れの予次元圧縮 （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モードを用いた流れの次元圧縮
３．ニューラルネットワークによる流れの予測への応用と実装例 （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の実装
４．強化学習の実装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 ｃ．混合最適化実験での実装 |
| キーワード | 流体工学 流体制御 深層強化学習 モード分解 低次元化 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 | 統計・データ解析、AI・機械学習、アクチュエータ、シミュレーション・解析、バルプ・ポンプ、プラント、自動車・輸送機、振動・騒音、制御、配管、油・空圧、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。 |
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日
