УДК 004.724
СРАВНИТЕЛЬНОЕ ИССЛЕДОВАНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ И НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПРЕДСКАЗАНИЯ ХИМИЧЕСКОГО СОСТАВА МАТЕРИАЛОВ
В. П. Корячко, д.т.н., профессор, заведующий кафедрой САПР ВС РГРТУ, Рязань, Россия;
orcid.org/0000-0000-0000-000X, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
С. Д. Викулин, аспирант РГРТУ, Рязань, Россия;
orcid.org/0009-0002-9932-1113, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
А. В. Волков, специалист, Москва, Россия;
orcid.org/0009-0008-1162-3816, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Рассматривается задача предсказания химического состава материалов на основе их физических свойств с использованием методов машинного обучения, включая многоклассовую регрессию. Целью данной работы является изучение взаимосвязей между физико-химическими характеристиками материалов и их химическим составом для разработки интеллектуальной системы, поддерживающей процессы проектирования новых материалов. В исследовании использованы методы линейной регрессии, дерева решений и нейронных сетей для предсказания химического состава различных материалов. Результаты показали, что предложенные методы позволяют с высокой точностью предсказать состав материалов, что открывает перспективы для оптимизации процессов разработки и улучшения характеристик материалов.
Ключевые слова: машинное обучение, многоклассовая регрессия, химический состав, физические свойства материалов, нейронные сети, линейная регрессия, дерево решений, материаловедение.