日産技報 No.89 (2023)

85/103

Flow for Interactive Aerodynamic Design、ACM Trans. Graph., Vol. 37, No. 4, Article 89 （2018）.（4） A. Guo, et al: Convolutional Neural Networks for Steady Flow Approximation, Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp.481–490 （2016）.（5） Y. LeCun, et al.: Gradient-based learning applied to document recognition, Proceedings of the IEEE, 86（11）, pp.2278–2324 （1998）.（6） 赤坂啓ほか: 機械学習を用いた自動車空気抵抗係数のインタラクティブ予測ツール開発、人工知能学会 第34回全国大会、2O6-GS-13-02 （2020）.（7） K. He, et al: Deep residual learning for image recognition, Proceedings of the IEEE conference on computer vision and pattern recognition, pp. 770-778 （2016）.（8） Ioffe, et al.: Batch normalization: Accelerating deep network training by reducing internal covariate shift, arXiv preprint arXiv:1502.03167 （2015）.（9） Ulyanov, et al. :Instance normalization: The missing ingredient for fast stylization, arXiv preprint arXiv:1607.08022 （2016）.（10） D. Maturana, et al.: VoxNet: A 3D Convolutional Neural Network for real-time object recognition, IEEE/RSJ International Conference on Intelligent Robots and Systems （IROS）, Hamburg, pp. 922-928 （2015）.（11） M. Lin, et al.: Network in network, arXiv:1312.4400 （2013）.公益社団法人自動車技術会自動車技術会論文集Vol.52, No.3 文献番号：20214248受賞：第72回　自動車技術会賞 論文賞（2022年） - 機械学習を用いた自動車空力性能を予測するためのサロゲートモデル開発SAE International Journal of Advances and Current Practices in Mobility - VCターボエンジンに対応した日産技報　No.88 (2022)807出　　典