R. Maulik, K. Fukami, M. Morimoto, N. Ramachandra, R. Vinuesa, K. Fukagata, and K. Taira, "Quantifying Uncertainty in Deep Learning for Fluid Flow Reconstruction," in USACM Thematic Conference on Uncertainty Quantification for Machine Learning Integrated Physics Modeling (MLIP), Arlington, Virginia, Aug 2022, to be presented.
K. Fukami, R. Maulik, N. Ramachandra, M. Morimoto, R. Vinuesa, K. Fukagata, and K. Taira, "Reconstructing turbulence with deep learning: uncertainty quantification and outlook," in SIAM Conference on Uncertainty Quantification (UQ22), Atlanta, Georgia, USA, Apr 2022.
M. Morimoto, K. Fukami, K. Zhang, and K. Fukagata, "Towards practical uses of supervised neural networks for fluid flow regressions," in Mechanistic Machine Learning and Digital Twins for Computational Science, Engineering & Technology (MMLDT-CSET), San Diego, California, USA, online presentation, Sep 2021.
M. Matsuo, T. Nakamura, M. Morimoto, K. Fukami, and K. Fukagata, "Convolutional neural network based three-dimensional fluid flow recovery from two-dimensional sectional data with super resolution based data augmentation," in Mechanistic Machine Learning and Digital Twins for Computational Science, Engineering & Technology (MMLDT-CSET), San Diego, California, USA, online presentation, Sep 2021.
S. Kanehira, K. Fukami, K. Hasegawa, T. Nakamura, M. Morimoto, and K. Fukagata, "Latent space based feedback control design: Machine-learning-based reduced-order modeling of unsteady fluid flows," in Mechanistic Machine Learning and Digital Twins for Computational Science, Engineering & Technology (MMLDT-CSET), San Diego, California, USA, online presentation, Sep 2021.
M. Morimoto, K. Fukami, K. Zhang, A. G. Nair, and K. Fukagata, "Parameter Influence of Supervised/Unsupervised use of Convolutional Neural Networks for Fluid Flow Analyses," in 16th U.S. National Congress on Computational Mechanics, a virtual event, July 2021.
M. Matsuo, K. Fukami, T. Nakamura, M. Morimoto, and K. Fukagata, "Supervised convolutional networks for volumetric data enrichment from limited sectional data with adaptive super resolution," in The Ninth International Conference on Learning Representations (ILCR 2021) Deep Learning for Simulation (SimDL) workshop, online presentation, May 2021.
[invited] M. Morimoto, K. Fukami, K. Hasegawa, T. Nakamura, and K. Fukagata, "Autoencoder based extraction of low-dimensional manifolds in fluid flows," in SIAM Conference on Computational Science and Engineering (CSE21), Fort Worth, Texas, USA, online presentation, Mar 2021.
[invited] K.Fukami, K. Taira, M. Morimoto, and K. Fukagata, "Convolutional neural network based fluid data enrichment for numerical and experimental studies," in SIAM Conference on Computational Science and Engineering (CSE21), Fort Worth, Texas, USA, online presentation, Mar 2021.
M. Morimoto, K. Fukami, H. Murakami, and K. Fukagata, “The use of convolutional neural networks for PIV data augmentation,” in 14th World Congress on Computational Mechanics (WCCM) ECCOMAS Congress 2020, online presentation, Jan 2021.
[presentation video]
N. Moriya, K. Fukami, Y. Nabae, M. Morimoto, T. Nakamura, and K. Fukagata, "Convolutional neural network based wall modeling for large eddy simulation in a turbulent channel flow," in 73rd Annual Meeting of the APS Division of Fluid Dynamics, online presentation, Nov 2020.
M. Morimoto, K. Fukami, and K. Fukagata, "Visualization of internal procedure in neural networks for fluid flows," in 73rd Annual Meeting of the APS Division of Fluid Dynamics, online presentation, Nov 2020.
森本 将生，深見 開，Romit Maulik，Ricardo Vinuesa，深潟 康二，「ニューラルネットワークに基づく流れ場推定におけるモデルの不確かさの評価」，第35回数値流体力学シンポジウム，仙台（オンライン），2021年12月14日-16日，E02-2. 【『ながれ』注目研究 in CFD35】
守矢 直樹，森本 将生，深見 開，長谷川 一登，深潟 康二，「流動場の空間再構築のための階層型ニューラルネットワーク」，日本流体力学会年会2021，オンライン，2021年9月21日-23日, Paper 011.
森本 将生，深見 開，中村 太一，深潟 康二，「非線形ダイナミカルシステムに対するニューラルネットワークを用いた異常検知」，日本機械学会関東支部第27期総会・講演会，オンライン，2021年3月10日-11日，Paper 11C07．
松尾 光昭，森本 将生，中村 太一，深見 開，深潟 康二，「適応サンプリングと組み合わせた畳み込みニューラルネットワークに基づく二次元データからの三次元データの再構築」，日本機械学会関東学生会第60回学生員卒業研究発表講演会，オンライン，2021年3月10日, Paper 701．
守矢 直樹，深見 開，難波江 佑介，中村 太一，森本 将生，深潟 康二，「チャネル乱流LESに対する教師あり機械学習ベースのデータ駆動型壁モデリング」，日本機械学会関東学生会第60回学生員卒業研究発表講演会，オンライン，2021年3月10日, Paper 702．
兼平 昇英，深見 開，長谷川 一登，中村 太一，森本 将生，深潟 康二，「オートエンコーダとSINDy を用いた非定常流れにおけるフィードバック制御」，日本機械学会関東学生会第60回学生員卒業研究発表講演会，オンライン，2021年3月10日, Paper 705．
守矢 直樹，深見 開，難波江 佑介，森本 将生，中村 太一，深潟 康二，「チャネル乱流LESの壁モデル構築のための教師付き機械学習」，第34回数値流体力学シンポジウム，沖縄（オンライン），2020年12月21日-23日，Paper F10-2．
松尾 光昭，森本 将生，中村 太一，深見 開，深潟 康二，「機械学習を用いた2 次元データから3 次元流れ場の再構築」，第34回数値流体力学シンポジウム，沖縄（オンライン），2020年12月21日-23日，Paper F06-4．
森本 将生，深見 開，張 凱，深潟 康二，「解釈・汎化可能性の観点から見る流体問題への実用的な機械学習に向けて」，第34回数値流体力学シンポジウム，沖縄（オンライン），2020年12月21日-23日，Paper F06-1．
森本 将生，深見 開，長谷川 一登，中村 太一，深潟 康二，「様々な流れ場に対するオートエンコーダを用いた低次元化の調査」，日本流体力学会年会2020，宇部（オンライン），2020年9月18日-20日，Paper 074.
森本 将生，"ML-PIV: Convolutional neural network based velocity estimator for imperfect particle images," 第18回乱流制御研究会，オンライン，2020年6月26日．
森本 将生，深見 開，長谷川 一登，村田 高彬，村上 光，深潟 康二，「機械学習に基づく粒子画像流速測定法の提案」，日本機械学会関東学生会第59回学生員卒業研究発表講演会，東京，2020年3月16日, Paper 1407. (COVID-19のため開催中止. 既発表扱い.)
森本 将生，深見 開，長谷川 一登，村田 高彬，村上 光，深潟 康二，「機械学習に基づくデータ拡張によるPIVの精度向上」，第33回数値流体力学シンポジウム，札幌，2019年11月27日-29日，B09-1.【『ながれ』注目研究 in CFD33】