Metody sztucznej inteligencji w zastosowaniu do przewidywania właściwości materiałów

Podsumowanie - metody uczenia maszynowego

Postęp badań nad zastosowaniami sztucznej inteligencji w przewidywaniu zachowania mechanicznego materiałów metalowych jest przedmiotem wzmożonego zainteresowania w ostatnim dziesięcioleciu. Jak wynika z przeglądu literatury, metody uczenia maszynowego osiągają zadowalające wyniki w zakresie przewidywania a także monitorowania właściwości materiałów. Pomimo wielu mocnych stron, tradycyjne metody uczenia maszynowego mają również słabe strony. Metody te nie mogą przetwarzać ogromnych ilości zaszumionych danych. W takich warunkach istotne cechy muszą być wstępnie wyodrębniane na podstawie wiedzy i doświadczenia eksperta. Nieodpowiednio dobrane typ i architektura sieci neuronowej ograniczają jej zastosowanie do przetwarzania dużych i wielowymiarowych surowych danych.

Większość metod uczenia maszynowego i głębokiego uczenia wykazuje ogromny potencjał w zastosowaniu do przewidywania właściwości materiałów. Jednak w tej wyłaniającej się interdyscyplinarnej dziedzinie nadal istnieją pewne wyzwania, które wymagają dalszych badań. Wydajność predykcyjna metod sztucznej inteligencji jest bezpośrednio powiązana z rozmiarem a także jakością dostępnych danych. Modele głębokiego uczenia obejmują wiele hiperparametrów, a każdy hiperparametr ma istotny wpływ na dokładność przewidywania [...]

Ten materiał dostępny jest dla zalogowanych użytkowników.

Załóż konto i dołącz do grona użytkowników naszego portalu!

Zaloguj się Zarejestruj się

Mogą zainteresować Cię również

Meble ogrodowe to dziś podstawowe wyposażenie nie tylko przydomowych ogrodów, ale też stref relaksu przy firmach, halach produkcyjnych czy magazynach.

zobacz więcej