کاربرد یادگیری عمیق در طبقه بندی کریستالهای فنونی
- سال انتشار: 1400
- محل انتشار: هفتمین کنفرانس بین المللی مهندسی صنایع و سیستم ها
- کد COI اختصاصی: ICISE07_035
- زبان مقاله: فارسی
- تعداد مشاهده: 593
نویسندگان
گروه مهندسی صنایع، دانشکده مهندسی ، دانشگاه فردوسی مشهد، مشهد، ایران
گروه مهندسی صنایع، دانشکده مهندسی ، دانشگاه فردوسی مشهد، مشهد، ایران
گروه مهندسی صنایع، دانشکده مهندسی ، دانشگاه فردوسی مشهد، مشهد، ایران
چکیده
کریستالهای فنونی نوعی از فرامواد با ساختار میکرو-نانو هستند . برای بررسی ویژگیهای مکانیکی در کریستالهای فنونی نیاز به تعیین بندگپ ها است . باید توجه داشت که محاسبه دقیق بندگپها امری بسیار زمانبر و دشوار است. تشخیص تعداد بندگپ بدون انجام محاسبات و تنها براساس محاسبات پیشین موجب بهبود عملکرد روشهای تحلیل و طراحی کریستالهای فنونی میگردد. در این تحقیق کریستالهای فنونی براساس تعداد بندگپ هایشان دسته بندی میشوند. برای این منظور، از شبکه های عصبی کم عمق و عمیق برای دستیابی به بهترین مدل طبقه بندی استفاده شده است . نتایج عددی نشان میدهد که یادگیری عمیق مبتنی بر شبکه عصبی مصنوعی منجر به عملکرد بسیار بالا برای تعیین تعداد بندگپ های کریستالهای فنونی شده است. بطوری که با استفاده از مدل طبقه بندی توسعه یافته در این تحقیق، مجموعه آزمون نرخ صحت ۹۰ درصد را حاصل میکند.کلیدواژه ها
کریستال فنونی، ساختار بندگپ، شبکه عصبی مصنوعی، یادگیری عمیق، طبقه بندیمقالات مرتبط جدید
- نهان کاوی صوتی براساس مدل psychoacoustic معکوس شنیداری انسان
- اهمیت و جایگاه هوش مصنوعی و لجستیک بحران در حملات بیوتروریستی
- بهینه سازی سبد سهام بورس اوراق بهادار تهران با استفاده از الگوریتم ژنتیک
- بررسی چالش های امنیتی و راهکارهای آن در پایگاه داده های NoSQL و کلان داده ها
- طراحی مدل تخصیص هواپیماها به مسیر جهت حداکثر کردن سود مورد انتظار با در نظر گیری عدم قطعیت در تقاضا
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.