---
license: mit
---

# ship-hull-generator assets

[ship-hull-generator](https://github.com/ToPo-ToPo-ToPo/ship-hull-generator) が使用する
学習済みモデルと学習データのアセットリポジトリです。

- `TrainedModels/` — 拡散モデル・分類器・回帰モデルの学習済み重み (.pth) と設定 (.json)
- `data/` — 学習データセット (DesVec_82k.npy, GeometricMeasures.npy など)

## 出典 / Attribution

**C-ShipGen 由来**(MIT ライセンス、
[noahbagz/C_ShipGen](https://github.com/noahbagz/C_ShipGen)):
`data/` の全ファイル、および `TrainedModels/` のうち
`CShipGen_diffusion` / `CShipGen_Test_diffusion` / `Constraint_Classifier_150000Epochs` /
`Regressor_BOA` / `Regressor_CT` / `Regressor_LOA_wBulb` / `Regressor_Vol` /
`Regressor_WL` / `Regressor_WSA`。

> N. J. Bagazinski and F. Ahmed, "C-ShipGen: A Conditional Guided Diffusion Model for
> Parametric Ship Hull Design." arXiv:2407.03333, 2024.

**本プロジェクトで独自に学習したモデル**(C-ShipGen には含まれません):

| モデル | 予測対象 | 検証誤差 | 教師データ |
|---|---|---|---|
| `Regressor_Stability` | KM_T/B(横メタセンタ高さ / 型幅) | 6.9% | `DesVec_82k` の断面積分から生成 |
| `Regressor_Strength` | k_SM = (I_unit/c)/(B·D)(中央断面の断面係数形状係数) | 1.0% | 同上 |

いずれも拡散サンプリングの**ガイダンス項**(復原性・縦強度)に使うためのもので、
入力は C-ShipGen の回帰モデルと同じ 45 次元(正規化設計ベクトル 44 次元 + 喫水/型深さ比)です。
入力の正規化は `DesVec_82k` 全体で fit した変換器と**必ず一致させる**必要があります
(`QuantileTransformer` はノンパラメトリックなため、fit 対象が違うと別物の写像になります)。
詳細は `ship_hull_generator/surrogate_utils.py` を参照してください。