SE-WDNNを用いたCFRC-AMの特性予測

本論文は、付加製造された繊維強化複合材（CFRC-AM）の複数の特性を、データ効率的なアプローチを用いて予測するという課題に取り組んでいます。著者は、実験計画にラテンハイパーキューブサンプリング（LHS）を、Squeeze-and-Excitation Wide and Deep Neural Network（SE-WDNN）と組み合わせています。CFRC-AMの性能は製造パラメータに非常に敏感であり、網羅的な実験はコストがかかるため、これは重要です。SE-WDNNモデルは他の機械学習モデルよりも優れており、精度と解釈可能性が向上していることを示しています。補強戦略の影響を特定するためのSHAP分析の使用も重要な貢献です。

• •CFRC-AMの特性を予測するためのデータ効率的なアプローチを導入。
• •実験計画にLHSとSE-WDNNを組み合わせる。
• •SE-WDNNは他の機械学習モデルよりも優れている。
• •SHAP分析により、主要な影響因子（補強戦略）が明らかに。