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

نوع مقاله: علمی- ترویجی

نویسندگان

1 مربی گروه مواد دانشگاه صنعتی بیرجند

2 کارشناس ارشد

3 کارشناسی ارشد

4 دانشجوی کارشناسی ارشد دانشگاه ارومیه

چکیده

در مقاله حاضر از روش ماشین یادگیری شدید برای مدل‌سازی نرخ انتقال مواد در این فرآیند 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 داده‌های آموزش 000387/0 و در داده‌های آزمون 0017/0 با استفاده از مدل شبکه عصبی ماشین یادگیری شدید بدست آمده و مقدار میانگین مربعات خطا برای متوسط ضخامت لایه بازنشانی شده در داده‌های آموزش 000214/0 و در داده‌های آزمون 0017/0 محاسبه گردید. جهت صحت سنجی و بررسی از نتایج بدست آمده توسط سایر پژوهشگران در مرجع شماره 2 استفاده شد. الگوریتم ارائه شده ماشین یادگیری شدید با نتایج تجربی از دقت بالایی در پیش بینی پارامترهای خروجی فرآیند برخوردار است.

کلیدواژه‌ها