메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
임태윤 (한양대학교) 이승훈 (한양대학교) 서민식 (한양대학교) 민승재 (한양대학교)
저널정보
대한기계학회 대한기계학회 춘추학술대회 대한기계학회 2022년 학술대회
발행연도
2022.11
수록면
1,456 - 1,460 (5page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2023

순차적 분류와 회귀 그래프 신경망을 이용한 최적 트러스 구조 예측 방법
임태윤 미래자동차공학과 2023.01 학위논문

2022

계층적 분류 및 회귀 그래프 신경망을 이용한 최적의 트러스 구조 예측 방법
임태윤 ,  이승훈 ,  서민식 외 1명 대한기계학회 춘추학술대회 2022.11 학술대회자료

초록· 키워드

오류제보하기
This paper proposes a graph neural network-based hierarchical classification and regression model to predict the optimal ground structure layout. A ground structure consists of a set of interconnected bars similar to a graph structure. The number of bars and joints depends on the size and configuration of the target design domains. Conventional neural networks, such as MLP and CNN, cannot handle such variable-dimensional data. Therefore, we adopted a graph neural network using the similarity between ground structure and graph. Only a few of the potential bar candidates remained after ground structure optimization converged. It causes the highly imbalanced distribution of bar areas, which is difficult to predict. Therefore, we construct the model to process a binary classification task to classify the presence or absence of remaining bars among potential bar candidates, and then sequentially process a regression task to predict the detailed value of the cross-sectional areas. To validate the proposed model, three types of ground structure optimization problems were defined: cantilever, simply supported, and L-shape beams. The model was evaluated with three evaluation metrics: classification, regression, and optimality. As a result, it predicts the presence or absence of the optimal ground structure with more than 95% accuracy and predicts the cross-sectional areas of the remaining bars with greater than 95% accuracy.
#위상최적화(Topology optimization) #그래프신경망(Graph neural network) #딥러닝(Deep learning) #트러스구조(Truss structure) #최적설계(Optimal design) #Ground structure method

목차

Abstract
1. 서론
2. GNN 기반 GSTO
3. 평가지표 및 학습 결과
4. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

건물의 높이방향으로 2개소에 아웃리거 구조시스템이 설치된 초고층 건물의 아웃리거 최적위치
김형기 대한건축학회논문집 2024 .05
생성형 디자인 기법을 활용한 트러스 구조물 설계 자동화 알고리즘 구축
이재욱 ,  조원호 ,  김소연 외 1명 한국산학기술학회 논문지 2023 .12
차량 종 방향 거동을 고려한 자율주행 패턴의 입력변수 최적설계
이준영 ,  김진명 ,  전지훈 외 3명 한국자동차공학회논문집 2023 .05
Graph Neural Network-based Model for Deformation Prediction of Closure Parts
Minsik Seo ,  Taeyoon Lim ,  Jinsoo Shin 외 2명 한국자동차공학회 추계학술대회 및 전시회 2022 .11
강화학습 기반 트러스 구조 설계
이종욱 ,  황현종 ,  조민정 한국콘크리트학회 학술대회 논문집 2022 .11

최근 본 자료

전체보기

댓글(0)

0