Fugu-MT 論文翻訳(概要): Prediction of properties of steel alloys

論文の概要: Prediction of properties of steel alloys

arxiv url: http://arxiv.org/abs/2004.06037v1
Date: Sun, 29 Mar 2020 00:45:01 GMT
ステータス: 処理完了
システム内更新日: 2022-12-18 13:59:25.428461
Title: Prediction of properties of steel alloys
Title（参考訳）: 鉄鋼合金の諸特性の予測
Authors: Ciro Javier Diaz Penedo and Lucas Leonardo Silveira Costa
Abstract要約: 本研究は, 主産業用鋼の4つの機械的特性を予測するための4つの教師付き機械学習モデルに基づく予測器に関する研究である。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a study of possible predictors based on four supervised machine learning models for the prediction of four mechanical properties of the main industrially used steels. The results were obtained from an experimental database available in the literature which were used as input to train and evaluate the models.
Abstract（参考訳）: 本稿では, 工業用鋼板の4つの機械的性質予測のための教師付き機械学習モデルに基づく予測器について検討する。モデルの学習と評価のインプットとして文献で利用可能な実験データベースから得られた結果を得た。

関連論文リスト

Ensembling Finetuned Language Models for Text Classification [55.15643209328513]
ファインタニング(英: Finetuning)は、特定のタスクに事前訓練されたモデルを適用するために、様々なコミュニティで一般的なプラクティスである。ニューラルネットワークのアンサンブルは、通常、パフォーマンスを高め、信頼性の高い不確実性推定を提供するために使用される。 6つのデータセット上の5つの大きめのモデルから予測されたメタデータセットを提示し、異なるアンサンブル戦略の結果を報告する。
論文参考訳（メタデータ） (2024-10-25T09:15:54Z)
Predictive Churn with the Set of Good Models [64.05949860750235]
近似機械学習モデルの集合に対する競合予測の効果について検討する。ラーショモン集合内のモデル間の係り受けに関する理論的結果を示す。当社のアプローチは、コンシューマ向けアプリケーションにおいて、より予測し、削減し、混乱を避けるためにどのように使用できるかを示します。
論文参考訳（メタデータ） (2024-02-12T16:15:25Z)
Structure-based out-of-distribution (OOD) materials property prediction: a benchmark study [1.3711992220025948]
本稿では,構造ベースグラフニューラルネットワーク(GNN)を用いたOOD材料特性予測のためのベンチマーク研究を行う。実験の結果,現在最先端のGNNアルゴリズムはOOD特性予測タスクでは著しく性能が劣っていることがわかった。 CGCNN、ALIGNN、DeeperGATGNNのOOD性能は、現在のベストモデルよりもはるかに堅牢である。
論文参考訳（メタデータ） (2024-01-16T01:03:39Z)
FengWu-4DVar: Coupling the Data-driven Weather Forecasting Model with 4D Variational Assimilation [67.20588721130623]
我々は,AIを用いた循環型天気予報システムFengWu-4DVarを開発した。 FengWu-4DVarは観測データをデータ駆動の天気予報モデルに組み込むことができる。シミュレーションされた観測データセットの実験は、FengWu-4DVarが合理的な解析場を生成することができることを示した。
論文参考訳（メタデータ） (2023-12-16T02:07:56Z)
Sharing Information Between Machine Tools to Improve Surface Finish Forecasting [0.0]
筆者らは旋回加工過程における表面粗さの測定を予測するためのベイズ階層モデルを提案する。階層モデルは、複数の独立ベイズ線形回帰モデルと比較され、加工環境における部分プールの利点を示す。
論文参考訳（メタデータ） (2023-10-09T15:44:35Z)
Predictability of Machine Learning Algorithms and Related Feature Extraction Techniques [0.0]
この論文は、行列分解に基づく予測システムを設計し、特定のデータセット上の特定のモデルの分類精度を予測する。我々は,ランダムフォレスト,XGBoost,MultiLayer Perceptron(MLP)の3つの基本機械学習アルゴリズムの性能予測について検討した。
論文参考訳（メタデータ） (2023-04-30T11:21:48Z)
A machine learning approach to predict the structural and magnetic properties of Heusler alloy families [0.0]
ランダムフォレスト (RF) 回帰モデルを用いてフルハウスラー合金の格子定数, 磁気モーメント, 生成エネルギーを予測する。密度汎関数理論(DFT)を用いた計算値に対する機械学習予測値間のパリティプロットは、調整されたR2値が0.80から0.94の範囲にある線形挙動を示す。また,1つのフルハウスラー合金と1つの4次ハウスラー合金を用いたケーススタディを,機械学習予測結果と過去の理論計算値と比較した。
論文参考訳（メタデータ） (2022-08-07T20:46:57Z)
Addressing Bias in Visualization Recommenders by Identifying Trends in Training Data: Improving VizML Through a Statistical Analysis of the Plotly Community Feed [55.41644538483948]
機械学習は、高いスケーラビリティと表現力のために、視覚化レコメンデーションに対する有望なアプローチである。本研究は,統計的解析によりトレーニングデータの傾向を特定することで,機械学習可視化推薦システムにおけるトレーニングバイアスに対処することを目的とする。
論文参考訳（メタデータ） (2022-03-09T18:36:46Z)
Instance-Based Neural Dependency Parsing [56.63500180843504]
依存関係解析のための解釈可能な推論プロセスを持つニューラルモデルを開発する。私たちのモデルはインスタンスベースの推論を採用しており、トレーニングセットのエッジと比較することで、依存関係のエッジを抽出し、ラベル付けします。
論文参考訳（メタデータ） (2021-09-28T05:30:52Z)
Prediction of properties of metal alloy materials based on machine learning [6.827605235800052]
本稿では, 金属合金の原子体積, 原子エネルギー, 原子生成エネルギーに関する実験を行う。従来の機械学習モデル、ディープラーニングネットワーク、自動機械学習を通じて、材料特性予測における機械学習の有効性を検証する。実験結果から,機械学習が材料特性を正確に予測できることが示唆された。
論文参考訳（メタデータ） (2021-09-20T09:40:36Z)
Investigation of Sentiment Controllable Chatbot [50.34061353512263]
本稿では,反応の感情をスケールまたは調整する4つのモデルについて検討する。モデルはペルソナベースのモデル、強化学習、プラグアンドプレイモデル、CycleGANである。入力に対して応答が妥当かどうかを推定するために,機械評価メトリクスを開発する。
論文参考訳（メタデータ） (2020-07-11T16:04:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。