تاثیر الگوریتم های بیز ساده و انتخاب ویژگی درکاهش هزینه تعمیراتی سیستم های فشار هوا

بیز ساده در یادگیری ماشین به دسته بندی های ساده بر پایه احتمالات گفته می شود که با فرض استقلال متغیرهای تصادفی و براساس قضیه بیز ساخته می شوند که دقت قابل قبولی هم دارد. الگوریتم های یادگیری ماشین در سالهای اخیر برای دسته بندی ، خوشه بندی و پیش بینی مجموعه دادههای مختلف استفاده می شوند، یکی از مهمترین کاربردهای آن، کاهش هزینه تعمیراتی صنایع مختلف می باشد. کارهای بسیار زیادی برای تشخیص خرابی سیستم فشار هوا از طریق مجموعه داده جمع آوری شده از سنسورها با الگوریتم های سنتی یادگیری ماشین ، بدون وزندهی ویژگی ها انجام شده است . در این مقاله از الگوریتم های انتخاب ویژگی و بهبود نتایج الگوریتم بیز ساده، استفاده شده است . نتایج و مشاهدات، دقت (۹۰,۹۶%) را در خروجی الگوریتم بیز ساده نشان می دهد. همچنین نویسندهها قبلا با استفاده از الگوریتم های درخت تصمیم و یادگیری عمیق فرآیند پیش بینی خرابی سیستم فشارهوای کامیون های سنگین را به ترتیب با دقت ۹۵,۹۷% و ۳۲,۹۸% انجام داده اند.

کلیدواژه ها:

سیستم فشار هوا ، الگوریتم بیز ساده ، پیش پردازش ، تشخیص خرابی ، مجموعه داده.