| 1 |
1
삭제
|
| 2 |
2
유동해석 데이터에 대하여 기 생성된 예측모델을 이용하여, 상기 유동해석 데이터를 구성하는 다수의 격자점 별 중요도 점수를 예측하는 중요도예측부;상기 예측한 격자점 별 중요도 점수를 기반으로, 상기 다수의 격자점 중 상기 유동해석 데이터로부터 스트림라인을 생성할 격자점을 선택하는 격자점선택부; 및상기 유동해석 데이터로부터 상기 선택한 격자점과 관련된 스트림라인을 생성 및 전시하여, 상기 유동해석 데이터에 따른 유동 흐름을 가시화하는 가시화부를 포함하며,학습할 유동해석 데이터를 구성하는 다수의 격자점 각각을 샘플로 하고 각 격자점에 정의된 물리 변수들을 특징 벡터로 하는 학습 모델 입력데이터를 생성하고,상기 학습할 유동해석 데이터의 모든 격자점에서 스트림라인을 생성하고, 각 격자점에서의 스트림라인에 대한 중요도 점수를 계산하며,회귀 기반의 지도학습 모델을 기반으로, 상기 생성한 학습 모델 입력데이터를 입력으로 하고 상기 각 격자점에서 계산한 중요도 점수를 목표 변수값으로 하는 학습을 수행하여, 상기 예측모델을 생성하는 모델생성부를 더 포함하는 것을 특징으로 하는 유동해석 데이터 처리장치
|
| 3 |
3
제 2 항에 있어서,상기 특징 벡터는, 상기 학습할 유동해석 데이터에서 계산된 와류기준(vortex criterion) 변수를 포함하는 것을 특징으로 하는 유동해석 데이터 처리장치
|
| 4 |
4
제 2 항에 있어서,상기 학습 모델 입력데이터는,한 샘플의 벡터가 한 행을 이루고, 각 샘플의 벡터 행이 각 열을 이루는 행렬 형태인 것을 특징으로 하는 유동해석 데이터 처리장치
|
| 5 |
5
제 2 항에 있어서,상기 예측모델 생성을 위해 계산하는 상기 스트림라인에 대한 중요도 점수는, 상기 스트림라인에 대한 정렬 경계 상자의 체적과, 상기 스트림라인의 선분 개수 및 선분 간 사잇각을 기반으로 계산되는 꼬임점수를 이용하여 계산되는 것을 특징으로 하는 유동해석 데이터 처리장치
|
| 6 |
6
유동해석 데이터에 대하여 기 생성된 예측모델을 이용하여, 상기 유동해석 데이터를 구성하는 다수의 격자점 별 중요도 점수를 예측하는 중요도예측부;상기 예측한 격자점 별 중요도 점수를 기반으로, 상기 다수의 격자점 중 상기 유동해석 데이터로부터 스트림라인을 생성할 격자점을 선택하는 격자점선택부; 및상기 유동해석 데이터로부터 상기 선택한 격자점과 관련된 스트림라인을 생성 및 전시하여, 상기 유동해석 데이터에 따른 유동 흐름을 가시화하는 가시화부를 포함하며,상기 격자점선택부는,상기 예측한 격자점 별 중요도 점수를 기반으로, 상기 다수의 격자점 중 중요도 점수가 높은 순서에 따라 기 설정된 n개의 격자점을, 상기 유동해석 데이터로부터 스트림라인을 생성할 격자점으로 선택하는 것을 특징으로 하는 유동해석 데이터 처리장치
|
| 7 |
7
제 6 항에 있어서,상기 격자점선택부는,상기 선택한 n개 격자점 각각에 대하여, 격자점의 특징 벡터, 중요도 점수, 위치 중 적어도 하나를 특정 유사도 알고리즘에 적용하여, 유사한 유동 특징을 갖는 격자점을 하나의 군집으로 군집화하고, 상기 군집화한 각 군집 단위의 격자점을, 상기 유동해석 데이터로부터 스트림라인을 생성할 격자점으로 선택하는 것을 특징으로 하는 유동해석 데이터 처리장치
|
| 8 |
8
제 7 항에 있어서,상기 가시화부는,상기 유동해석 데이터로부터 상기 군집화한 각 군집 단위의 격자점에서 기 지정된 개수의 스트림라인 만을 생성하여 전시하는 것을 특징으로 하는 유동해석 데이터 처리장치
|
| 9 |
9
삭제
|
| 10 |
10
하드웨어와 결합되어, 유동해석 데이터에 대하여 기 생성된 예측모델을 이용하여, 상기 유동해석 데이터를 구성하는 다수의 격자점 별 중요도 점수를 예측하는 중요도예측단계;상기 예측한 격자점 별 중요도 점수를 기반으로, 상기 다수의 격자점 중 상기 유동해석 데이터로부터 스트림라인을 생성할 격자점을 선택하는 격자점선택단계; 및상기 유동해석 데이터로부터 상기 선택한 격자점과 관련된 스트림라인을 생성 및 전시하여, 상기 유동해석 데이터에 따른 유동 흐름을 가시화하는 가시화단계를 실행시키며,학습할 유동해석 데이터를 구성하는 다수의 격자점 각각을 샘플로 하고 각 격자점에 정의된 물리 변수들을 특징 벡터로 하는 학습 모델 입력데이터를 생성하고,상기 학습할 유동해석 데이터의 모든 격자점에서 스트림라인을 생성하고, 각 격자점에서의 스트림라인에 대한 중요도 점수를 계산하며,회귀 기반의 지도학습 모델을 기반으로, 상기 생성한 학습 모델 입력데이터를 입력으로 하고 상기 각 격자점에서 계산한 중요도 점수를 목표 변수값으로 하는 학습을 수행하여, 상기 예측모델을 생성하는 모델생성단계를 더 실행시키는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 저장매체에 저장된 컴퓨터 프로그램
|
| 11 |
11
제 10 항에 있어서,상기 특징 벡터는, 상기 학습할 유동해석 데이터에서 계산된 와류기준(vortex criterion) 변수를 포함하는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 저장매체에 저장된 컴퓨터 프로그램
|
| 12 |
12
제 10 항에 있어서,상기 학습 모델 입력데이터는,한 샘플의 벡터가 한 행을 이루고, 각 샘플의 벡터 행이 각 열을 이루는 행렬 형태인 것을 특징으로 하는 컴퓨터로 읽을 수 있는 저장매체에 저장된 컴퓨터 프로그램
|
| 13 |
13
제 10 항에 있어서,상기 예측모델 생성을 위해 계산하는 상기 스트림라인에 대한 중요도 점수는, 상기 스트림라인에 대한 정렬 경계 상자의 체적과, 상기 스트림라인의 선분 개수 및 선분 간 사잇각을 기반으로 계산되는 꼬임점수를 이용하여 계산되는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 저장매체에 저장된 컴퓨터 프로그램
|
| 14 |
14
하드웨어와 결합되어, 유동해석 데이터에 대하여 기 생성된 예측모델을 이용하여, 상기 유동해석 데이터를 구성하는 다수의 격자점 별 중요도 점수를 예측하는 중요도예측단계;상기 예측한 격자점 별 중요도 점수를 기반으로, 상기 다수의 격자점 중 상기 유동해석 데이터로부터 스트림라인을 생성할 격자점을 선택하는 격자점선택단계; 및상기 유동해석 데이터로부터 상기 선택한 격자점과 관련된 스트림라인을 생성 및 전시하여, 상기 유동해석 데이터에 따른 유동 흐름을 가시화하는 가시화단계를 실행시키며,상기 격자점선택단계는,상기 예측한 격자점 별 중요도 점수를 기반으로, 상기 다수의 격자점 중 중요도 점수가 높은 순서에 따라 기 설정된 n개의 격자점을, 상기 유동해석 데이터로부터 스트림라인을 생성할 격자점으로 선택하는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 저장매체에 저장된 컴퓨터 프로그램
|
| 15 |
15
제 14 항에 있어서,상기 격자점선택단계는,상기 선택한 n개 격자점 각각에 대하여, 격자점의 특징 벡터, 중요도 점수, 위치 중 적어도 하나를 특정 유사도 알고리즘에 적용하여, 유사한 유동 특징을 갖는 격자점을 하나의 군집으로 군집화하고, 상기 군집화한 각 군집 단위의 격자점을, 상기 유동해석 데이터로부터 스트림라인을 생성할 격자점으로 선택하는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 저장매체에 저장된 컴퓨터 프로그램
|
| 16 |
16
제 15 항에 있어서,상기 가시화단계는,상기 유동해석 데이터로부터 상기 군집화한 각 군집 단위의 격자점에서 기 지정된 개수의 스트림라인 만을 생성하여 전시하는 것을 특징으로 하는 컴퓨터로 읽을 수 있는 저장매체에 저장된 컴퓨터 프로그램
|
| 17 |
17
유동해석 데이터에 대하여 기 생성된 예측모델을 이용하여, 상기 유동해석 데이터를 구성하는 다수의 격자점 별 중요도 점수를 예측하는 중요도예측단계;상기 예측한 격자점 별 중요도 점수를 기반으로, 상기 다수의 격자점 중 상기 유동해석 데이터로부터 스트림라인을 생성할 격자점을 선택하는 격자점선택단계; 및상기 유동해석 데이터로부터 상기 선택한 격자점과 관련된 스트림라인을 생성 및 전시하여, 상기 유동해석 데이터에 따른 유동 흐름을 가시화하는 가시화단계를 포함하며,학습할 유동해석 데이터를 구성하는 다수의 격자점 각각을 샘플로 하고 각 격자점에 정의된 물리 변수들을 특징 벡터로 하는 학습 모델 입력데이터를 생성하고,상기 학습할 유동해석 데이터의 모든 격자점에서 스트림라인을 생성하고, 각 격자점에서의 스트림라인에 대한 중요도 점수를 계산하며,회귀 기반의 지도학습 모델을 기반으로, 상기 생성한 학습 모델 입력데이터를 입력으로 하고 상기 각 격자점에서 계산한 중요도 점수를 목표 변수값으로 하는 학습을 수행하여, 상기 예측모델을 생성하는 모델생성단계를 더 포함하는 것을 특징으로 하는 유동해석 데이터 처리장치의 동작 방법
|
