ارائه الگوریتمی براساس یادگیری ماشین شدید، به منظور نرخ انتقال مواد در فرآیند EDC
عنوان مقاله: ارائه الگوریتمی براساس یادگیری ماشین شدید، به منظور نرخ انتقال مواد در فرآیند EDC
شناسه ملی مقاله: JR_JTAE-3-3_004
منتشر شده در شماره 3 دوره 3 فصل در سال 1398
شناسه ملی مقاله: JR_JTAE-3-3_004
منتشر شده در شماره 3 دوره 3 فصل در سال 1398
مشخصات نویسندگان مقاله:
محمدرضا مرکی - هیئت علمی
هادی تقی ملک - دانشجوی دکترا مهندسی مکانیک دانشگاه سمنان
مجید آذرگمان - کارشناسی ارشد
رامین کرمی - دانشجوی کارشناسی ارشد دانشگاه ارومیه
خلاصه مقاله:
محمدرضا مرکی - هیئت علمی
هادی تقی ملک - دانشجوی دکترا مهندسی مکانیک دانشگاه سمنان
مجید آذرگمان - کارشناسی ارشد
رامین کرمی - دانشجوی کارشناسی ارشد دانشگاه ارومیه
در مقاله حاضر از روش ماشین یادگیری شدید برای مدل سازی نرخ انتقال مواد در فرآیند EDC به عنوان پارامتر تاثیرگذار بر سرعت انجام فرآیند و کیفیت سطح بوجود آمده، استفاده شده است. میزان میانگین مربعات خطا (MSE) برای نرخ انتقال مواد در داده های آموزش 387,000/0 و در داده های آزمون 7,001/0 با استفاده از مدل شبکه عصبی ماشین یادگیری شدید بدست آمده است. همچنین، مقدار میانگین مربعات خطا برای متوسط ضخامت لایه بازنشانی شده در داده های آموزش 214,000/0 و در داده های آزمون 7,001/0 محاسبه شده است. الگوریتم ارائه شده ماشین یادگیری شدید با نتایج تجربی از دقت بالایی در پیشبینی پارامترهای خروجی فرآیند برخوردار است.
کلمات کلیدی: EDC, متوسط ضخامت لایه, نرخ انتقال مواد, ماشین یادگیری شدید
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1011068/