[1] Toru Tanaka, Seiya Hagihara, et al., Analysis of Finite Element Method to Analysis of Ductile また，TensorFlowを用いたCNNによる有限要素法(FEM)解析画像による破断点の探索において，本研究では画像でえられた分布図が破断前（せん断状態）なのか破断後（破断状態）なのか判定できている． これらから機械学習により破壊開始点の同定は様々なファクターを用いて可能であることを示した． 今後は本研究を更に発展させ，多くの機械学習の手法を取り入れて効率よく，そして精度良く判定できる手法を取り入れることを試みたい． 本研究は，公益財団法人天田財団の2019年度一般研究開発助成(AF-2019022-B3)の援助により行われた．ここに記して深く感謝の意を表する． 本研究の遂行に当たり，ご協力をいただいた佐賀大学大学院理工学研究科博士前期課程（当時）■新開拓未■氏，佐賀大学理工学部理工学科（当時）■松海伸太朗■氏，山口洸太朗■氏に深く感謝の意を表する． Fracture Criteria for Punched Cutting Surface, Materials Transactions, Vol. 54, No. 9 (2013), 1697 [2] Phyo Wai Myint, Seiya Hagihara, et al., Determination of the Values of Critical Ductile Fracture Criteria to Predict Fracture Initiation in Punching Processes, Journal of Manufacturing and Materials Processing, 1-12, (2017) [3] Phyo Wai Myint, Seiya Hagihara, et al., Application of Finite Element Method to Analyze the Influences of Process Parameters on the Cut Surface in Fine Blanking Processes by Using Clearance-Dependent Critical Fracture Criteria, Journal of Manufacturing and Materials Processing, 2-26, (2018). [4] Cockcroft, M.G., Latham, D.J. Ductility and workability of metals. J. Inst. Metals, 96, 33–39 (1968). [5] Duchi, J., et al., Adaptive Subgradient Methods for Online Learning and Stochastic Optimization Journal of Machine Learning Research, Vol.12, pp.2121-2159 (2011) [6] https://www.tensorflow.org/?hl=ja 謝■辞■参考文献 ■− 120 −
元のページ ../index.html#122