ارائه الگوریتمی براساس یادگیری ماشین شدید به منظور نرخ انتقال مواد در فرآیند EDC

نوع مقاله: علمی- ترویجی

نویسندگان

1 هیئت علمی

2 دانشجوی دکترا مهندسی مکانیک دانشگاه سمنان

3 کارشناسی ارشد

4 دانشجوی کارشناسی ارشد دانشگاه ارومیه

چکیده

در مقالة حاضر، از روش ماشین یادگیری شدید برای مدل‌سازی نرخ انتقال مواد در این فرآیند به عنوان پارامتر تأثیرگذار بر سرعت انجام فرآیند و کیفیت سطح بوجود آمده، استفاده شده است. میزان میانگین مربعات خطا (MSE) برای نرخ انتقال مواد در داده‌های آموزش 000387/0 و در داده‌های آزمون 0017/0 با استفاده از مدل شبکة عصبی ماشین یادگیری شدید بدست آمد. همچنین، مقدار میانگین مربعات خطا برای متوسط ضخامت لایة بازنشانی شده در داده‌های آموزش 000214/0 و در داده‌های آزمون 0017/0 محاسبه شد. الگوریتم ارائه شده ماشین یادگیری شدید با نتایج تجربی از دقت بالایی در پیشبینی پارامترهای خروجی فرآیند برخوردار است.

کلیدواژه‌ها