محمدرضا مرکی؛ هادی تقی ملک؛ مجید آذرگمان؛ رامین کرمی
دوره 3، شماره 3 ، آذر 1398، ، صفحه 23-30
چکیده
در مقالة حاضر از روش ماشین یادگیری شدید برای مدل‌سازی نرخ انتقال مواد در فرآیند EDC 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 387,000/0 و در داده‌های آزمون 7,001/0 با استفاده از مدل شبکة عصبی ماشین یادگیری شدید بدست آمده است. ...
بیشتر
در مقالة حاضر از روش ماشین یادگیری شدید برای مدل‌سازی نرخ انتقال مواد در فرآیند EDC 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 387,000/0 و در داده‌های آزمون 7,001/0 با استفاده از مدل شبکة عصبی ماشین یادگیری شدید بدست آمده است. همچنین، مقدار میانگین مربعات خطا برای متوسط ضخامت لایة بازنشانی شده در داده‌های آموزش 214,000/0 و در داده‌های 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.
