論文の概要: Development of Non-Linear Equations for Predicting Electrical Conductivity in Silicates

• arxiv url: http://arxiv.org/abs/2305.13519v1
• Date: Mon, 22 May 2023 22:20:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-24 20:19:26.230027
• Title: Development of Non-Linear Equations for Predicting Electrical Conductivity in Silicates
• Title（参考訳）: ケイ酸塩の導電率予測のための非線形方程式の開発
• Authors: Patrick dos Anjos, Lucas de Almeida Quaresma, Marcelo Lucas Pereira Machado
• Abstract要約: 電気伝導度は電気アーク炉(EAF)の基本的重要性である 人工ニューラルネットワークによるAEFスラグの電気伝導率の予測に使用された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electrical conductivity is of fundamental importance in electric arc furnaces (EAF) and the interaction of this phenomenon with the process slag results in energy losses and low optimization. As mathematical modeling helps in understanding the behavior of phenomena and it was used to predict the electrical conductivity of EAF slags through artificial neural networks. The best artificial neural network had 100 neurons in the hidden layer, with 6 predictor variables and the predicted variable, electrical conductivity. Mean absolute error and standard deviation of absolute error were calculated, and sensitivity analysis was performed to correlate the effect of each predictor variable with the predicted variable.
• Abstract（参考訳）: 電気伝導度は電気炉(EAF)において基本的な重要性であり、この現象とプロセススラグとの相互作用はエネルギー損失と低い最適化をもたらす。 数学的モデリングは現象の挙動を理解するのに役立ち、人工ニューラルネットワークを介してeafスラグの電気伝導率を予測するのに使われた。 最高の人工ニューラルネットワークは、隠れた層に100のニューロンを持ち、6つの予測変数と予測変数、電気伝導率を持つ。 平均絶対誤差と絶対誤差の標準偏差を算出し,各予測変数の効果を予測変数に関連付けるために感度解析を行った。

関連論文リスト

• Deep Neural Networks Tend To Extrapolate Predictably [51.303814412294514]
  ニューラルネットワークの予測は、アウト・オブ・ディストリビューション(OOD)入力に直面した場合、予測不可能で過信される傾向がある。 我々は、入力データがOODになるにつれて、ニューラルネットワークの予測が一定値に向かう傾向があることを観察する。 我々は、OOD入力の存在下でリスクに敏感な意思決定を可能にするために、私たちの洞察を実際に活用する方法を示します。
  論文  参考訳（メタデータ） (2023-10-02T03:25:32Z)
• Interpretable neural architecture search and transfer learning for understanding CRISPR/Cas9 off-target enzymatic reactions [3.5994174958472307]
  Elektrumは、生化学系の力学を決定するためのディープラーニングフレームワークである。 KINNは中間層として深い畳み込みニューラルネットワークに挿入される。 我々はEektrumを用いてCRISPR-Cas9のオフターゲット編集確率を予測し、最先端のパフォーマンスを実現することを実証する。
  論文  参考訳（メタデータ） (2023-05-18T23:49:42Z)
• On the Su-Schrieffer-Heeger model of electron transport: low-temperature optical conductivity by the Mellin transform [62.997667081978825]
  我々は、低温光伝導率を、高分子鎖に沿ってホップする電子の量子力学系における周波数の関数として記述する。 我々のゴールは、このシステムのバンド間伝導度が、最小のエネルギーバンドギャップが閉じる傾向があるときにどのように振る舞うかを示すことである。
  論文  参考訳（メタデータ） (2022-09-26T23:17:39Z)
• Incorporating NODE with Pre-trained Neural Differential Operator for Learning Dynamics [73.77459272878025]
  ニューラル微分演算子(NDO)の事前学習による動的学習における教師付き信号の強化を提案する。 NDOは記号関数のクラスで事前訓練され、これらの関数の軌跡サンプルとそれらの導関数とのマッピングを学習する。 我々は,NDOの出力が,ライブラリの複雑さを適切に調整することで,基礎となる真理微分を適切に近似できることを理論的に保証する。
  論文  参考訳（メタデータ） (2021-06-08T08:04:47Z)
• A Gradient Estimator for Time-Varying Electrical Networks with Non-Linear Dissipation [0.0]
  電気回路理論を用いて、深層指向ニューラルネットワークを記述できるラグランジアンを構築する。 シナプスコンダクタンスなどのネットワークの物理パラメータの勾配を推定するための推定器を導出する。 結論として,これらの結果を生物学的に妥当なニューロンのネットワークに拡張する方法を提案する。
  論文  参考訳（メタデータ） (2021-03-09T02:07:39Z)
• Neuromorphic Computing with Deeply Scaled Ferroelectric FinFET in Presence of Process Variation, Device Aging and Flicker Noise [0.0]
  このような変化が予め訓練されたニューラルネットワークの推論精度に及ぼす影響に関する複雑な研究が行われている。 ニューラルネットワークシミュレーション中にこれらすべての効果をキャプチャする統計モデルが開発された。 強誘電体finfetベースのバイナリニューラルネットワークでは, 酸化膜厚スケーリングによる劣化の影響, (2) プロセス変動, (3) フリッカーノイズが軽減できることが実証された。
  論文  参考訳（メタデータ） (2021-03-05T03:24:20Z)
• Alleviation of Temperature Variation Induced Accuracy Degradation in Ferroelectric FinFET Based Neural Network [0.0]
  我々は、MNISTデータセットをベースラインとして96.4%の推論精度でトレーニング済みの人工ニューラルネットワークを採用する。 我々は300KでトレーニングしたNNに対して,233Kでアナログニューラルネットワークの有意な推論精度の劣化を観測した。 我々は、温度変化による精度劣化に対するNNの免疫性を確保するために、"リード電圧"最適化によるバイナリニューラルネットワークをデプロイする。
  論文  参考訳（メタデータ） (2021-03-03T16:06:03Z)
• Gradient Starvation: A Learning Proclivity in Neural Networks [97.02382916372594]
  グラディエント・スターベーションは、タスクに関連する機能のサブセットのみをキャプチャすることで、クロスエントロピー損失を最小化するときに発生する。 この研究は、ニューラルネットワークにおけるそのような特徴不均衡の出現に関する理論的説明を提供する。
  論文  参考訳（メタデータ） (2020-11-18T18:52:08Z)
• Vulnerability Under Adversarial Machine Learning: Bias or Variance? [77.30759061082085]
  本研究では,機械学習が訓練された深層ニューラルネットワークのバイアスと分散に与える影響について検討する。 我々の分析は、ディープニューラルネットワークが対向的摂動下で性能が劣っている理由に光を当てている。 本稿では,計算処理の複雑さをよく知られた機械学習手法よりも低く抑えた,新しい逆機械学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-08-01T00:58:54Z)
• Training End-to-End Analog Neural Networks with Equilibrium Propagation [64.0476282000118]
  本稿では,勾配降下による終端から終端までのアナログニューラルネットワークの学習法を提案する。 数学的には、アナログニューラルネットワークのクラス(非線形抵抗性ネットワークと呼ばれる)がエネルギーベースモデルであることが示される。 我々の研究は、オンチップ学習をサポートする、超高速でコンパクトで低消費電力のニューラルネットワークの新世代の開発を導くことができる。
  論文  参考訳（メタデータ） (2020-06-02T23:38:35Z)
• Neural Network Solutions to Differential Equations in Non-Convex Domains: Solving the Electric Field in the Slit-Well Microfluidic Device [1.7188280334580193]
  スリットウェルマイクロ流体装置における電位と対応する電場を近似するためにニューラルネットワーク法を用いる。 ディープ・ニューラル・ネットワークは 浅いニューラル・ネットワークをはるかに上回っています
  論文  参考訳（メタデータ） (2020-04-25T21:20:03Z)

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。