Применение метода искусственного интеллекта для расчёта материального баланса бесконверсионных технологических операций
Gespeichert in:
| Titel: | Применение метода искусственного интеллекта для расчёта материального баланса бесконверсионных технологических операций |
|---|---|
| Verlagsinformationen: | БГТУ, 2025. |
| Publikationsjahr: | 2025 |
| Schlagwörter: | искусственный интеллект, применение искусственного интеллекта, химическая технология, расчет материального баланса, методы искусственного интеллекта, бесконверсионные технологические операции |
| Beschreibung: | Искусственный интеллект предлагает эффективные решения целого ряда задач в химической технологии. Особенно ценной является способность искусственного интеллекта работать с неполными или зашумленными данными, характерными для экспериментальных исследований. Среди методов искусственного интеллекта, применяемых в химической технологии, выделяются глубокое обучение (CNN, RNN, LSTM, автоэнкодеры), различные архитектуры нейронных сетей (многослойные персептроны, рекуррентные нейронные сети), классические методы машинного обучения (регрессия, классификация, SVM, Random Forest) и генетические алгоритмы и байесовские методы. |
| Publikationsart: | Article |
| Dateibeschreibung: | application/pdf |
| Sprache: | Russian |
| Zugangs-URL: | https://elib.belstu.by/handle/123456789/71631 |
| Dokumentencode: | edsair.od......3992..6e8982cbc56c40ff3c6e9df4a9407423 |
| Datenbank: | OpenAIRE |
Nájsť tento článok vo Web of Science | Abstract: | Искусственный интеллект предлагает эффективные решения целого ряда задач в химической технологии. Особенно ценной является способность искусственного интеллекта работать с неполными или зашумленными данными, характерными для экспериментальных исследований. Среди методов искусственного интеллекта, применяемых в химической технологии, выделяются глубокое обучение (CNN, RNN, LSTM, автоэнкодеры), различные архитектуры нейронных сетей (многослойные персептроны, рекуррентные нейронные сети), классические методы машинного обучения (регрессия, классификация, SVM, Random Forest) и генетические алгоритмы и байесовские методы. |
|---|