{"title":"ВИКОРИСТАННЯ МЕТОДІВ МАШИННОГО НАВЧАННЯ ДЛЯ ПРОГНОЗУВАННЯ ДОВГОВІЧНОСТІ ЕЛЕМЕНТІВ КОНСТРУКЦІЙ","authors":"R. O. Shcherbak, A. E. Sheveleva, T. V. Khodanen","doi":"10.15421/4222218","DOIUrl":null,"url":null,"abstract":"Розглянуто задачу прогнозування швидкості росту втомних тріщин в алюмінієвому сплаві 2024-T351 з використанням нейронних мереж. Реалізовано два алгоритми методів машинного навчання – генетичний та зворотного поширення помилки. Побудовано криві навчання для обох алгоритмів і отримано числові результати для задачі прогнозування швидкості росту втомних тріщин на основні експериментальних даних про її залежність від коефіцієнту інтенсивності напружень та величини циклічних навантажень. Проведено порівняння цих алгоритмів за значеннями похибки та часу навчання, визначено перевагу алгоритму зворотного поширення помилки у швидкості навчання та збіжності до оптимального результату.","PeriodicalId":340024,"journal":{"name":"Проблеми обчислювальної механіки і міцності конструкцій","volume":"43 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-12-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Проблеми обчислювальної механіки і міцності конструкцій","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.15421/4222218","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
ВИКОРИСТАННЯ МЕТОДІВ МАШИННОГО НАВЧАННЯ ДЛЯ ПРОГНОЗУВАННЯ ДОВГОВІЧНОСТІ ЕЛЕМЕНТІВ КОНСТРУКЦІЙ
Розглянуто задачу прогнозування швидкості росту втомних тріщин в алюмінієвому сплаві 2024-T351 з використанням нейронних мереж. Реалізовано два алгоритми методів машинного навчання – генетичний та зворотного поширення помилки. Побудовано криві навчання для обох алгоритмів і отримано числові результати для задачі прогнозування швидкості росту втомних тріщин на основні експериментальних даних про її залежність від коефіцієнту інтенсивності напружень та величини циклічних навантажень. Проведено порівняння цих алгоритмів за значеннями похибки та часу навчання, визначено перевагу алгоритму зворотного поширення помилки у швидкості навчання та збіжності до оптимального результату.
求助内容：
应助结果提醒方式：
京公网安备 11010802042870号
