KFU. Card publication. Прогнозирование значений предела прочности сплавов с помощью нейросетевого моделирования на примере системы Al-Ca-Mn

KAZAN
FEDERAL UNIVERSITY

- RUS
- 中文
- ES

ПРОГНОЗИРОВАНИЕ ЗНАЧЕНИЙ ПРЕДЕЛА ПРОЧНОСТИ СПЛАВОВ С ПОМОЩЬЮ НЕЙРОСЕТЕВОГО МОДЕЛИРОВАНИЯ НА ПРИМЕРЕ СИСТЕМЫ AL-CA-MN

Form of presentation

Articles in Russian journals and collections

Year of publication

2023

Язык

русский

Authors, employees of KFU

Simonova Larisa Anatolevna, author

Other authors

Bredinin Ivan , author

Klochkova Kseniya Valerevna, author

Bibliographic description in the original language

Simonova L.A., Prognozirovanie znacheniy predela prochnosti splavov s pomoshhyu neyrosetevogo modelirovaniya na primere sistemy Al-Ca-Mn / L.A. Simonova, K.V. Klochkova, I.S. Bredinin // STIN. - 2023. - № 2. - S. 29-33.

Annotation

Настоящая статья посвящена вопросу обучения нейронной сети, позволяющей за минимальное время настроиться на распознавание заданного набора входных параметров системы. Задача обучения нейронной сети состоит в минимизации функции ошибки обучения, что является важной задачей при экспертной оценке технологического решения в интеллектуальной системе построения технологических процессов. Технологическое решение в интеллектуальной системе построения технологических процессов формируется в процессе совместной работы модулей системы на основе логических правил. Объект проектного технологического решения представляет собой сложную систему и включает в себя подсистемы разной природы, которые функционируют согласно правилам, описанным с применением нечеткой логики и системы прецедентов [1].

Keywords

нейронная сеть, искусственный интеллект, технологическое решение, нечеткая логика, режущий инструмент, технологический процесс.

The name of the journal

СТИН

On-line resource for training course

http://dspace.kpfu.ru/xmlui/bitstream/handle/net/173730/7_Simonova.pdf?sequence=1&isAllowed=y

URL

http://stinyournal.ru/

Please use this ID to quote from or refer to the card

https://repository.kpfu.ru/eng/?p_id=276341&p_lang=2

Resource files

File name	Size (MB)	Format
7_Simonova.pdf	0,32	pdf	show / download

Full metadata record

Field DC	Value	Language
dc.contributor.author	Simonova Larisa Anatolevna	ru_RU
dc.contributor.author	Bredinin Ivan	ru_RU
dc.contributor.author	Klochkova Kseniya Valerevna	ru_RU
dc.date.accessioned	2023-01-01T00:00:00Z	ru_RU
dc.date.available	2023-01-01T00:00:00Z	ru_RU
dc.date.issued	2023	ru_RU
dc.identifier.citation	Симонова Л.А., Прогнозирование значений предела прочности сплавов с помощью нейросетевого моделирования на примере системы Al-Ca-Mn / Л.А. Симонова, К.В. Клочкова, И.С. Брединин // СТИН. - 2023. - № 2. - С. 29-33.	ru_RU
dc.identifier.uri	https://repository.kpfu.ru/eng/?p_id=276341&p_lang=2	ru_RU
dc.description.abstract	СТИН	ru_RU
dc.description.abstract	Настоящая статья посвящена вопросу обучения нейронной сети, позволяющей за минимальное время настроиться на распознавание заданного набора входных параметров системы. Задача обучения нейронной сети состоит в минимизации функции ошибки обучения, что является важной задачей при экспертной оценке технологического решения в интеллектуальной системе построения технологических процессов. Технологическое решение в интеллектуальной системе построения технологических процессов формируется в процессе совместной работы модулей системы на основе логических правил. Объект проектного технологического решения представляет собой сложную систему и включает в себя подсистемы разной природы, которые функционируют согласно правилам, описанным с применением нечеткой логики и системы прецедентов [1].	ru_RU
dc.language.iso	ru	ru_RU
dc.subject	нейронная сеть	ru_RU
dc.subject	искусственный интеллект	ru_RU
dc.subject	технологическое решение	ru_RU
dc.subject	нечеткая логика	ru_RU
dc.subject	режущий инструмент	ru_RU
dc.subject	технологический процесс.	ru_RU
dc.title	Прогнозирование значений предела прочности сплавов с помощью нейросетевого моделирования на примере системы Al-Ca-Mn	ru_RU
dc.type	Articles in Russian journals and collections	ru_RU