ارائه الگوریتمی براساس یادگیری ماشین شدید، به منظور نرخ انتقال مواد در فرآیند EDC

در مقاله حاضر از روش ماشین یادگیری شدید برای مدل سازی نرخ انتقال مواد در فرآیند EDC 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 داده های آموزش 387,000/0 و در داده های آزمون 7,001/0 با استفاده از مدل شبکه عصبی ماشین یادگیری شدید بدست آمده است. همچنین، مقدار میانگین مربعات خطا برای متوسط ضخامت لایه بازنشانی شده در داده های آموزش 214,000/0 و در داده های 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.

کلیدواژه ها:

EDC ، متوسط ضخامت لایه ، نرخ انتقال مواد ، ماشین یادگیری شدید