理工学研究科Graduate School of Science and Engineering
ELC500X2(電気電子工学 / Electrical and electronic engineering 500)知的電機システム設計特論Intelligent design of electrical machines and systems
佐々木 秀徳Hidenori SASAKI
授業コードなどClass code etc
学部・研究科Faculty/Graduate school | 理工学研究科Graduate School of Science and Engineering |
添付ファイル名Attached documents | |
年度Year | 2022 |
授業コードClass code | YA524 |
旧授業コードPrevious Class code | |
旧科目名Previous Class title | |
開講時期Term | 秋学期授業/Fall |
曜日・時限Day/Period | 金2/Fri.2 |
科目種別Class Type | |
キャンパスCampus | 小金井 |
教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
配当年次Grade | |
単位数Credit(s) | 2 |
備考(履修条件等)Notes | |
実務経験のある教員による授業科目Class taught by instructors with practical experience | |
カテゴリーCategory | 電気電子工学専攻 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
<Course outline>
This course introduce the optimization method of electric machine using two dimensional finite element method, and deep learning.
<Learning Objectives>
The goal of this course is to acquire knowledge of the basics of the two-dimensional finite element method for magnetostatic fields, optimization techniques for electrical devices using the finite element method, and deep learning.
<Learning activities outside of classroom>
Before/after each class meeting, students will be expected to spend four hours understanding the course content.
<Grading Criteria /Policy>
The final grade will be calculated according to the following process Reports, and in-class contribution.
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的(何を学ぶか)Outline and objectives
二次元電磁界有限要素法や深層学習を利用した電気機器の最適化手法について講義を行う.
到達目標Goal
静磁界における二次元有限要素法の基礎や有限要素法を用いた電気機器の最適化技術についての知識を取得する.また,深層学習の基礎を理解し,知識ベースの最適化技術について理解を深める.
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか(該当授業科目と学位授与方針に明示された学習成果との関連)Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち、「DP1」「DP2」「DP3」に関連
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)(学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. )
講義形式で実施する.有限要素法,最適化手法および深層学習について基礎から説明を行う.PowerPointの他に板書を行う場合があるので,ノートを用意すること.講義内でレポートを課す.レポートの内容について適宜全体へフィードバックを行う.
アクティブラーニング(グループディスカッション、ディベート等)の実施Active learning in class (Group discussion, Debate.etc.)
なし / No
フィールドワーク(学外での実習等)の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching:対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
第1回[未定/undecided]:ガイダンス
ガイダンス,基本事項の確認
第2回[未定/undecided]:電磁界解析のための基礎方程式
Maxwell方程式の復習
第3回[未定/undecided]:境界値問題I
変分法
第4回[未定/undecided]:境界値問題II
ガラーキン法
第5回[未定/undecided]:二次元有限要素法I
離散化,境界条件
第6回[未定/undecided]:二次元有限要素法II
静磁界解析における有限要素方程式の定式化
第7回[未定/undecided]:二次元有限要素法III
有限要素方程式の求解手法
第8回[未定/undecided]:二次元有限要素法IV
非線形問題への適用法
第9回[未定/undecided]:二次元有限要素法V
渦電流を考慮した解析法
第10回[未定/undecided]:最適化手法の基礎
パラメータ最適化,トポロジー最適化,ヒューリスティックアルゴリズム
第11回[未定/undecided]:深層学習I
ニューラルネットの構成
第12回[未定/undecided]:深層学習II
学習における勾配法
第13回[未定/undecided]:深層学習III
誤差逆伝搬法,正則化
第14回[未定/undecided]:深層学習と最適化
深層学習による電気機器特性推定,電気機器最適化への深層学習適用
授業時間外の学習(準備学習・復習・宿題等)Work to be done outside of class (preparation, etc.)
【本授業の準備・復習時間は、各4時間を標準とします。】
テキスト(教科書)Textbooks
特に指定しない.
参考書References
中田高義,高橋則雄:「電気工学の有限要素法」,森北出版
五十嵐一,亀有昭久,加川幸雄,西口磯春,A.ボサビ:「新しい計算電磁気学」,培風館
本間利久,五十嵐一,川口秀樹:「数値電磁力学 -基礎と応用-」,培風館
(社)電気学会進化技術応用調査専門委員会:「進化技術ハンドブック第I巻」,近代科学社
瀧雅人:「これならわかる深層学習入門」,講談社
I.Goodfellow, Y.Bengio, A.Courville:「Deep Learning」,KADOKAWA
成績評価の方法と基準Grading criteria
レポート点を総合的に集計し,60点以上を合格とする.
学生の意見等からの気づきChanges following student comments
本年度新規科目につきアンケートを実施していません.
学生が準備すべき機器他Equipment student needs to prepare
貸与パソコンあるいはそれ以上のスペックを有するパソコン