論文の概要: An interpretable machine learning approach for ferroalloys consumptions

• arxiv url: http://arxiv.org/abs/2204.07421v1
• Date: Fri, 15 Apr 2022 11:20:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-18 12:19:36.683560
• Title: An interpretable machine learning approach for ferroalloys consumptions
• Title（参考訳）: フェロアロイ消費のための解釈可能な機械学習アプローチ
• Authors: Nick Knyazev
• Abstract要約: 本稿では,センサからの履歴データの解析に基づいて,最適なプロセス制御パラメータを選択することの問題点を考察する。 化学反応の結果を予測し, フェロアロイ類の消費を推奨する手法を開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper is devoted to a practical method for ferroalloys consumption modeling and optimization. We consider the problem of selecting the optimal process control parameters based on the analysis of historical data from sensors. We developed approach, which predicts results of chemical reactions and give ferroalloys consumption recommendation. The main features of our method are easy interpretation and noise resistance. Our approach is based on k-means clustering algorithm, decision trees and linear regression. The main idea of the method is to identify situations where processes go similarly. For this, we propose using a k-means based dataset clustering algorithm and a classification algorithm to determine the cluster. This algorithm can be also applied to various technological processes, in this article, we demonstrate its application in metallurgy. To test the application of the proposed method, we used it to optimize ferroalloys consumption in Basic Oxygen Furnace steelmaking when finishing steel in a ladle furnace. The minimum required element content for a given steel grade was selected as the predictive model's target variable, and the required amount of the element to be added to the melt as the optimized variable. Keywords: Clustering, Machine Learning, Linear Regression, Steelmaking, Optimization, Gradient Boosting, Artificial Intelligence, Decision Trees, Recommendation services
• Abstract（参考訳）: 本稿では,フェロアロイ消費モデルと最適化のための実用的手法について述べる。 本稿では,センサからの履歴データの解析に基づいて,最適なプロセス制御パラメータを選択する問題を考える。 化学反応の結果を予測し, フェロアロイ類の消費を推奨する手法を開発した。 本手法の主な特徴は,解釈の容易さと耐雑音性である。 提案手法は,k-meansクラスタリングアルゴリズム,決定木,線形回帰に基づく。 このメソッドの主な考え方は、プロセスが同じように動く状況を特定することである。 そこで本研究では,k-meansに基づくデータセットクラスタリングアルゴリズムと分類アルゴリズムを用いてクラスタを決定する。 このアルゴリズムは様々な技術プロセスにも適用可能であるが,本論文ではメタルギーの応用を実証する。 本手法の適用性を検証するため, 取鍋炉内での鋼の仕上がり時に, 基本酸素炉製鋼における鉄合金消費量を最適化した。 所定の鋼品級の最小必須元素含有量を予測モデルの目標変数として選択し、最適化された変数として溶融に添加すべき元素の必要量を求めた。 キーワード:クラスタリング、機械学習、線形回帰、製鋼、最適化、グラディエントブースティング、人工知能、決定木、推奨サービス

関連論文リスト

• Multiple Rotation Averaging with Constrained Reweighting Deep Matrix Factorization [22.487393413405954]
  コンピュータビジョンとロボティクス領域では、複数の回転平均化が重要な役割を果たす。 本稿では,データパターンを学習方法でマイニングするための効率的な回転平均化手法を提案する。
  論文  参考訳（メタデータ） (2024-09-15T16:50:27Z)
• An incremental preference elicitation-based approach to learning potentially non-monotonic preferences in multi-criteria sorting [53.36437745983783]
  まず最適化モデルを構築し,非単調な選好をモデル化する。 本稿では,情報量測定手法と質問選択戦略を考案し,各イテレーションにおいて最も情報に富む選択肢を特定する。 2つのインクリメンタルな選好に基づくアルゴリズムは、潜在的に単調な選好を学習するために開発された。
  論文  参考訳（メタデータ） (2024-09-04T14:36:20Z)
• Assessment of Reinforcement Learning Algorithms for Nuclear Power Plant Fuel Optimization [0.0]
  この研究は、深いRLを用いてロードパターンの問題を解決するための第一種アプローチを示し、任意のエンジニアリング設計最適化に利用することができる。
  論文  参考訳（メタデータ） (2023-05-09T23:51:24Z)
• Data-driven abstractions via adaptive refinements and a Kantorovich metric [extended version] [56.94699829208978]
  本稿では,動的システムのスマートでスケーラブルな抽象化のための適応的洗練手順を提案する。 最適構造を学ぶために、マルコフ連鎖の間のカントロビッチに着想を得た計量を定義する。 本稿では,従来の線形プログラミング手法よりも計算量が多くなることを示す。
  論文  参考訳（メタデータ） (2023-03-30T11:26:40Z)
• Meta-Wrapper: Differentiable Wrapping Operator for User Interest Selection in CTR Prediction [97.99938802797377]
  クリックスルー率(CTR)予測は、ユーザーが商品をクリックする確率を予測することを目的としており、リコメンデーションシステムにおいてますます重要になっている。 近年,ユーザの行動からユーザの興味を自動的に抽出する深層学習モデルが大きな成功を収めている。 そこで我々は,メタラッパー(Meta-Wrapper)と呼ばれるラッパー手法の枠組みに基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-06-28T03:28:15Z)
• DPDR: A novel machine learning method for the Decision Process for Dimensionality Reduction [1.827510863075184]
  教師付き学習コンテキストにおいて、次元性を減らすための適切な方法を見つけることは、しばしば紛らわしい。 本稿では,教師付き学習文脈における最適次元削減法を選択するための新しい手法を提案する。 主なアルゴリズムはランダムフォレストアルゴリズム(RF)、主成分分析アルゴリズム(PCA)、多層パーセプトロン(MLP)ニューラルネットワークアルゴリズムである。
  論文  参考訳（メタデータ） (2022-06-17T19:14:39Z)
• Feature selection or extraction decision process for clustering using PCA and FRSD [2.6803492658436032]
  本稿では,データ科学者のパラメータに基づいて,最適次元削減法(選択・抽出)を選択する手法を提案する。 Silhouette Decomposition (FRSD) アルゴリズム、主成分分析 (PCA) アルゴリズム、K-Means アルゴリズム、およびその計量である Silhouette Index (SI) を用いる。
  論文  参考訳（メタデータ） (2021-11-20T01:40:54Z)
• An Ensemble-based Multi-Criteria Decision Making Method for COVID-19 Cough Classification [2.1915057426589746]
  新型コロナウイルスのコウ分類のためのトップパフォーマンス機械学習手法を選択するためのアンサンブルベースのマルチ基準決定法(MCDM)を提案する。 提案手法の検証には,ケンブリッジ,コスワラ,ヴィルフイ,NoCoCoDaの4つの粗いデータセットを用いる。 実験による評価の結果,提案手法は最先端モデルよりも優れていた。
  論文  参考訳（メタデータ） (2021-10-01T16:19:50Z)
• Local policy search with Bayesian optimization [73.0364959221845]
  強化学習は、環境との相互作用によって最適な政策を見つけることを目的としている。 局所探索のための政策勾配は、しばしばランダムな摂動から得られる。 目的関数の確率モデルとその勾配を用いたアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2021-06-22T16:07:02Z)
• Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
  任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。 提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
  論文  参考訳（メタデータ） (2021-05-23T19:21:55Z)
• Solving weakly supervised regression problem using low-rank manifold regularization [77.34726150561087]
  我々は弱い教師付き回帰問題を解く。 weakly"の下では、いくつかのトレーニングポイントではラベルが知られ、未知のものもあれば、無作為なノイズの存在やリソースの欠如などの理由によって不確かであることが分かっています。 数値的な節ではモンテカルロモデルを用いて提案手法を人工と実のデータセットに適用した。
  論文  参考訳（メタデータ） (2021-04-13T23:21:01Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。