Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/45890
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Тимохин Дмитрий Владимирович | ru_RU |
dc.contributor.advisor | Timohin Dmitrij Vladimirovic | en_GB |
dc.contributor.author | Егоров Павел Алексеевич | ru_RU |
dc.contributor.author | Egorov Pavel Alekseevic | en_GB |
dc.contributor.editor | Гориховский Вячеслав Игоревич | ru_RU |
dc.contributor.editor | Gorihovskij Vaceslav Igorevic | en_GB |
dc.date.accessioned | 2024-07-25T11:48:09Z | - |
dc.date.available | 2024-07-25T11:48:09Z | - |
dc.date.issued | 2024 | |
dc.identifier.other | 068715 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/45890 | - |
dc.description.abstract | В работе были реализованы на языке Python и интегрированы в приложение machine-learning-ui для решения задач гидроаэромеханики оптимизационные алгоритмы AdaMod, MADGRAD, Radam, Apollo, AdaHessian, LARS, LAMB с использованием фреймворка TensorFlow. Все алгоритмы были протестированы и сошлись в течение 30 эпох обучения. Также была решена задача расчета поуровневых коэффициентов скорости колебательных энергообменов с помощью нейросетевой модели с реализованными оптимизационными алгоритмами. Среднеквадратичная ошибка при валидации реализованных оптимизаторов составила от 0,3 до 0,004. Среднее время обучения для всех наборов данных составило менее 15 секунд. | ru_RU |
dc.description.abstract | The optimization algorithms AdaMod, MADGRAD, Radam, Apollo, AdaHessian, LARS, LAMB were implemented in Python using the TensorFlow framework and integrated into the machine-learning-ui application for solving hydroaeromechanics problems. All algorithms were tested and converged within 30 training epochs. The problem of calculating state-to-state coefficients of the rate of vibrational energy exchanges using a neural network model with implemented optimization algorithms was also solved. The root mean square error during validation of the implemented optimizers ranged from 0.3 to 0.004. The average training time for all datasets was less than 15 seconds. | en_GB |
dc.language.iso | ru | |
dc.subject | оптимизационные алгоритмы | ru_RU |
dc.subject | нейронные сети | ru_RU |
dc.subject | машинное обучение | ru_RU |
dc.subject | градиентные методы | ru_RU |
dc.subject | гидроаэромеханика | ru_RU |
dc.subject | колебательная релаксация | ru_RU |
dc.subject | optimization algorithms | en_GB |
dc.subject | neural networks | en_GB |
dc.subject | machine learning | en_GB |
dc.subject | gradient methods | en_GB |
dc.subject | fluid mechanics | en_GB |
dc.subject | vibrational relaxation | en_GB |
dc.title | Optimisation algorithms for neural network hydroaeromechanical calculations | en_GB |
dc.title.alternative | Оптимизационные алгоритмы для нейросетевых гидроаэромеханических расчётов | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
Diploma_final.pdf | Article | 1,21 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Otzyv_naucnogo_rukovoditela_Egorov.pdf | ReviewSV | 158,25 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_st068715_Egorov_Pavel_Alekseevic_(supervisor)(Ru).txt | ReviewSV | 3,22 kB | Text | Просмотреть/Открыть |
reviewSV_st068715_Egorov_Pavel_Alekseevic_(supervisor)(En).txt | ReviewSV | 1,87 kB | Text | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.