Palun kasuta seda identifikaatorit viitamiseks ja linkimiseks:
http://elartu.tntu.edu.ua/handle/lib/23740
Pealkiri: | Ефективність методів машинного навчання для розв’язання задач механіки |
Teised pealkirjad: | Efficiency of computer-assisted learning methods for the problems of mechanics solving |
Autor: | Гречківський, Степан Олегович Hrechkivskyi, Stepan |
Bibliographic description (Ukraine): | Гречківський С.О. Ефективність методів машинного навчання для розв’язання задач механіки: автореферат дипломної роботи магістра за спеціальністю 123 – «Комп’ютерна інженерія» С.О. Гречківський – Тернопільський національний технічний Університет імені Івана Пулюя Тернопіль, ТНТУ, 2018.7с. |
Bibliographic description (International): | Hrechkivskyi S.O. Efficiency of computer-assisted learning methods for the problems of mechanics solving: abstract of master’s thesis on speciality 123 «Computer engineering» S.O. Hrechkivskyi – Ivan Pul’uj National Technical University –Ternopil, TNTU, 2018.7p. |
Ilmumisaasta: | 15-vee-2018 |
Date of entry: | 19-vee-2018 |
Country (code): | UA |
Place of the edition/event: | Тернопільський національний технічний університет імені Івана Пулюя |
Supervisor: | Ясній, Олег Петрович Yasniy, Oleh |
UDC: | 539.42, 004.032.26 |
Märksõnad: | машинне навчання ріст втомної тріщини коефіцієнт інтенсивності напружень довговічність нейронна мережа зростаючі дерева випадкові ліси machine learning fatigue crack growth stress intensity ratio durability neural network boosted trees random forests |
Number of pages: | 7 |
Kokkuvõte: | Дипломна робота на здобуття освітнього ступеня магістра 123 «Комп’ютерна інженерія». – Тернопільський національний технічний університет імені Івана Пулюя, Тернопіль 2018. Дипломна робота стосується дослідження ефективності методів машинного навчання для розв’язання задач механіки, а саме, прогнозування діаграм втомного руйнування колектора, виготовленого із сталі 12Х1М1Ф.
Новизна полягає у вирішенні науково-практичної задачі дослідження ефективності методів машинного навчання для розв’язування задач механіки, при цьому одержано наступні результати вперше спрогнозовано швидкість росту втомних тріщин в матеріалі колектора пароперегрівника ТЕС, виготовленого із сталі 12Х1М1Ф, методами машинного навчання; проаналізовано ефективність методів машинного навчання до задачі прогнозування росту втомних тріщин у матеріалі колектора пароперегрівника ТЕС; розроблено та описано методику застосування методів машинного навчання до задачі прогнозування швидкості росту втомних тріщин в матеріалі колектора пароперегрівника ТЕС. The diploma paper for obtaining the Master’s degree 123 «Computer engineering» – Ternopil Ivan Puluj National Technical University, Ternopil 2018. The thesis is concerned with the study of the effectiveness of machine learning methods in solving the problems of mechanics, namely the prediction of the fatigue crack growth diagrams of superheater collector made of 12Ch1MoV steel. The novelty is the ability to predict the growth of fatigue crack by methods of machine learning, such as boosted trees, random forests, neural networks. The analysis of the prediction process was performed. As a result, in all cases, the high accuracy with the use of the method of boosted trees has been confirmed |
URI: | http://elartu.tntu.edu.ua/handle/lib/23740 |
Content type: | Thesis Abstract |
Asub kollektsiooni(de)s: | 123 — комп’ютерна інженерія |
Failid selles objektis:
Fail | Kirjeldus | Suurus | Formaat | |
---|---|---|---|---|
Автореферат_Гречківський.pdf | 203,01 kB | Adobe PDF | Vaata/Ava |
Kõik teosed on Dspaces autoriõiguste kaitse all.
Admin vahendid