ارائه الگوریتمی براساس یادگیری ماشین شدید، به منظور نرخ انتقال مواد در فرآیند EDC
نویسندگان
1
2
3
4
doi
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. 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.