{"title":"ВОЗМОЖНОСТЬ ИСПОЛЬЗОВАНИЯ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОПРЕДЕЛЕНИЯ ОСТАТОЧНОГО СОПРОТИВЛЕНИЯ КОРПУ-СА СУДНА НА РАННИХ ЭТАПАХ ПРОКТИРОВАНИЯ","authors":"Евгений Александрович Чуреев, В.И. Пинчук","doi":"10.46845/2541-8254-2024-1(43)-16-16","DOIUrl":null,"url":null,"abstract":"В данной статье рассматривается применимость методов машинного обучения для интерполяции значений серийной диаграммы, на примере серии Е.В. Маслюка для мало-мерных рыболовных судов с упрощенными обводами. С использованием нейронных сетей для задач прогнозирования модель была обучена и оптимизирована методом поиска по сетке (Grid Search) и достигла ошибки валидации 1,01% и обучения 1,49%. Точность модели была оценена с учетом допустимой ошибки 3%, общепринятой в инженерных расчетах. Результа-том исследования стала архитектура нейронной сети с точностью 98,51% на валидационном наборе данных, подчеркивающая потенциал использования машинного обучения в ранних расчетах остаточного сопротивления корпуса судна.","PeriodicalId":102937,"journal":{"name":"Youth science reporter","volume":"156 ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-04-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Youth science reporter","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.46845/2541-8254-2024-1(43)-16-16","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
В данной статье рассматривается применимость методов машинного обучения для интерполяции значений серийной диаграммы, на примере серии Е.В. Маслюка для мало-мерных рыболовных судов с упрощенными обводами. С использованием нейронных сетей для задач прогнозирования модель была обучена и оптимизирована методом поиска по сетке (Grid Search) и достигла ошибки валидации 1,01% и обучения 1,49%. Точность модели была оценена с учетом допустимой ошибки 3%, общепринятой в инженерных расчетах. Результа-том исследования стала архитектура нейронной сети с точностью 98,51% на валидационном наборе данных, подчеркивающая потенциал использования машинного обучения в ранних расчетах остаточного сопротивления корпуса судна.