Применение методов машинного обучения для настройки параметров технологического процесса электронно-лучевой сварки : научное издание

Описание

Тип публикации: статья из журнала

Год издания: 2023

Идентификатор DOI: 10.47813/2782-5280-2023-2-1-0301-0317

Ключевые слова: Electron beam welding (EBW), ridge regression, ensembles, random forests, gradient boosting, artificial neural network (ANN), deep learning, электронно-лучевая сварка (ЭЛС), гребневая регрессия, ансамбли, случайные леса, градиентный бустинг, искусственная нейронная сеть (ИНС), глубокое обучение

Аннотация: Целью исследования является определение наиболее корректных моделей машинного обучении для поставленной задачи настройки параметров технологического процесса электронно-лучевой сварки (ЭЛС), а также выявление особенностей их реализации. Существует множество алгоритмов, подходящих для задачи регрессии. Данное исследование отталкиваеПоказать полностьются от той идеи, что наиболее значимые результаты будут получены после построения композиции различных моделей машинного обучения, алгоритмов оптимизации и других методов для повышения качества результатов. Результаты исследования будут использованы для проведения дальнейших экспериментов и определения модели, показавшей более высокие показатели результативности. The aim of the study is to determine the most correct machine learning models for the task of setting the parameters of the technological process of electron beam welding (EBW), as well as to identify the features of their implementation. There are many algorithms suitable for the regression problem. This study is based on the idea that the most significant results will be obtained after building a composition of various machine learning models, optimization algorithms and other methods to improve the quality of the results. The results of the study will be used to conduct further experiments and determine the model that showed higher performance.

Ссылки на полный текст

Издание

Журнал: Информатика. Экономика. Управление

Выпуск журнала: Т.2, 1

Номера страниц: 301-317

ISSN журнала: 27825280

Место издания: Красноярск

Издатель: Красноярский государственный аграрный университет, ООО "Сибирский научный центр ДНИТ"

Персоны

  • Кобелева В.О. (Сибирский федеральный университет)
  • Тынченко В.В. (Сибирский федеральный университет)

Вхождение в базы данных