چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2008165 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل فارسی :
470 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
مطالعه تجربی یادگیری ماشین در انتشار گاز دی اکسید کربن (CO2)
عنوان انگليسي
Experimental Machine Learning Study on CO2 Gas Dispersion
نویسنده/ناشر/نام مجله
IEEE 9th Symposium on Computer Applications & Industrial Electronics (ISCAIE)
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 6 صفحه انگلیسی به صورت پی دی اف و 12 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
یادگیری ماشین (ML) در بسیاری از زمینه‌های تجربی نظیر شناسایی تصویر، پردازش زبان طبیعی، انواع بازی‌ها و غیره کاربرد دارد. مدل شبیه‌سازی‌شده‌ی انتشار گاز می‌تواند یکی از این کاربردها باشد. این پژوهش تجربی برای شناخت پتانسیل روش‌های یادگیری ماشین در مدل‌سازی انتشار گاز دی اکسید کربن طراحی‌شده است. داده‌های مربوط به انتشار گازها می‌توانند با استفاده از دستگاه‌های حسگر جمعﺁوری شوند تا روش‌های مبتنی بر یادگیری ماشین بتوانند انتشار را شبیه‌سازی کنند. در این پژوهش سه روش بررسی و مقایسه شده است: درون‌یابی خطی، پرسپترون چندلایه (MLP) و پرسپترون چندلایه‌ی ژرف (DLP). آزمایش‌هایی جهت جمعﺁوری داده‌های مربوط به انتشار گاز دی اکسید کربن ترتیب داده‌شده است. این ﺁزمایشات در یک اتاق بزرگ با دو در و هشت پنجره انجام گرفته است که این تعداد برای تهویه‌ی هوای اتاق کافی است. سه مجموعه داده برای یادگیری و یک مجموعه برای آزمایش جمعﺁوری شده است. برای مقایسه‌ی این سه روش از انحراف جذر میانگین مربعات (RMSD) استفاده شده است. در مقایسه با داده‌های آزمایش واقعی، روش DLP کمترین RMSD را از خود نشان می دهد که پس از آن به ترتیب درون یابی خطی و MLP قرار دارد.
1-مقدمه
گاز به‌صورت گسترده در زمینه های مختلف صنعتی و خانگی مورد استفاده قرار می گیرد. اگرچه در صورت مدیریت صحیح، گاز عنصر مفیدی است، اما در صورتیکه حتی برای لحظه ای به درستی کنترل نشود، بسیار خطرناک می باشد. گازهای خطرآفرین نه تنها می توانند موجب ﺁسیب‌دیدگی انسان‌ها شوند، بلکه می توانند به اموال نیز ﺁسیب برسانند. نظارت یکپارچه برای مدیریت شرایط خطرناک و جلوگیری از حوادث ناخواسته بسیار مهم است....
یادگیری ماشین انتشار گاز مدل‌سازی داده‌ها
:کلمات کلیدی
Abstract
Machine learning (ML) is expending its application in many practical areas such as image recognition, natural language processing, games, etc. Simulated modeling of gas diffusion can be one of the applications. This experimental research was designed to know the potential of machine learning methods in modeling CO2 gas dispersion. Dispersion data of gases can be collected with sensing devices so that ML-based techniques can be applied to simulate the diffusion. In this study, three methods were explored and compared; linear interpolation, Multi-Layer Perceptron (MLP) and Deep Multi-Layer Perceptron (DLP). A set of experiments was conducted to collect dispersion data of CO2 gas. The experiments were executed in a wide room with two doors and eight windows that are enough to refresh the room air. Three sets of data were collected for learning and one set for testing. The Root Mean Square Deviation (RMSD) was applied to compare the three methods. The DLP method showed the lowest RMSD comparing with real test data, the linear interpolation the next and the MLP the last.
Keywords:
Machine learning Gas dispersion Data modeling Simulation
سایر منابع مهندسی کامپیوتر و IT در زمینه یادگیری ماشین