Полное описание

Методы увеличения количества данных для моделей машинного обучения и искусственного интеллекта в сонохимических процессах / А. С. Агликов, Т. А. Алиев, С. А. Уласевич, Е. В. Скорб. - Текст : непосредственный // Физико-химические аспекты предельных состояний и структурных превращений в сплошных средах, материалах и технических системах / Российская Федерация. Министерство науки и высшего образования, Российская академия наук, Санкт-Петербургский научный центр. Объединенный научный совет по проблемам материаловедения, механики, прочности. - Санкт-Петербург : Изд-во Политехника, 2024. - Вып. 4. - С. 38-46. - Библиогр. в конце ст. - ISBN 978-5-7325-1214-4.
(Шифр в БД Н/21382/4)

ГРНТИ	УДК
31.15.39	544.57:004.85
28.23.25

Рубрики:
Сонохимия
Машинное обучение -- Применение

Кл.слова (ненормированные): топологический анализ данных -- атомно-силовая микроскопия -- наноструктурированный рельеф поверхности -- кавитационные пузыри -- компьютерное зрение
Аннотация: Методы искусственных нейронных сетей и машинного обучения широко применяются в науках о материалах. Часто экспериментальных данных недостаточно для реализации высокоточных методов. В работе рассматриваются подходы для увеличения количества экспериментальных данных на при -мере поведения кавитационных пузырей в различных средах и сонохимически наноструктурированной поверхности.
Доп. точки доступа:
Агликов, Александр Сергеевич
Алиев, Тимур Алекберович
Уласевич, Светлана Александровна
Скорб, Екатерина Владимировна
Российская Федерация. Министерство науки и высшего образования
Российская академия наук. Санкт-Петербургский научный центр. Объединенный научный совет по проблемам материаловедения, механики, прочности


Имеются экземпляры в отделах: всего 2 : ПНТ (1), ХРЦ (1)
Свободны: ПНТ (1), ХРЦ (1)

Заказать
Заказ фрагмента документа ₽