وفي مجال الصناعة الحديثة، تُستخدم المواد المطورة، باعتبارها مادة أساسية هامة، على نطاق واسع في الهياكل الأساسية مثل الجسور، والمباني العليا، والأشغال المائية، بسبب خصائصها الديناميكية ومقاومتها للتآكل. ومع تطور العلم والتكنولوجيا، أصبحت مسألة تحديد وتصنيف المواد المطورة على نحو فعال من أجل ضمان نوعيتها وأمنها مسألة ملحة. تهدف هذه الورقة إلى استكشاف المبادئ والمنهجيات والتطبيقات الخاصة بتقنيات التصنيف والتعريف على أساس التعلم بالسائل بغية توفير مرجع مفيد للبحوث والممارسات في المجالات ذات الصلة.
طرق البحث
تتألف تقنيات التصنيف والتعريف المطورة القائمة على التعلم المستفق أساساً من ثلاث حلقات رئيسية هي التجهيز المسبق للبيانات، واستخراج الخصائص، وتصميم أجهزة التصنيف.
ما قبل المعالجة: أولا، يتم غسل وتجهيز ما يتم جمعه من بيانات عن المواد المطورة، بما في ذلك إزالة القيم غير العادية، وملء القيم الناقصة، وتوحيد البيانات، وما إلى ذلك، لتحسين دقة البيانات وموثوقيتها.
استخراج الخصائص: استخراج خصائص البيانات المعالجة مسبقاً باستخدام خوارزمية للتعلم المستفق. التعلُّم بالفق هو نهج غير خطي لخفض البُعد يتيح رسم خرائط البيانات العالية الأبعاد إلى حيز منخفض الأبعاد مع الحفاظ على السمات الرئيسية للبيانات. وباستخدام خوارزمية التعلم المستطيعة، يتم استخراج خصائص بيانات المطورة والتعبير عنها من أجل تكوين متجهات نموذجية للخصائص.
تصميم التصنيفات: تقوم التصنيفات التصميمية بتصنيف والتعريف الطباعات على أساس متجه الخصائص المستخرج. وتشمل أدوات التصنيف الشائعة دعم المتجهات (SVM)، والشبكات العصبية، وشجرة صنع القرار، وما إلى ذلك. من خلال أجهزة تصنيف التدريب التي تسمح بتصنيف المواد المطورة وتحديد هويتها آليا على أساس متجهات الملامح.
نتائج التجارب والتحليلات
ومن خلال التجربة، نطبق تقنيات التصنيف والتعريف على أساس التعلم المنفق على مجموعات البيانات الفعلية ومقارنتها بالتكنولوجيات الأخرى ذات الصلة. وقد أظهرت نتائج التجارب أن تقنيات التصنيف والتعريف المطورة القائمة على التعلم بالفق قد حققت نتائج أفضل من حيث مؤشرات التقييم، مثل التحقق من صحتها واستبعادها وقيمتها F1. وبالمقارنة مع التصنيفات التقليدية، فإن التكنولوجيات القائمة على التعلم بالفق تتيح التقاط السمات غير الخطية لبيانات المواد المطورة وتحسين أداء التصنيفات.
الاستنتاجات والتوقعات
تدرس هذه الورقة تقنيات التصنيف والتعريف الطباعية القائمة على التعلم بالديناميكي، التي تحقق التصنيف والتعريف المؤقتين للطابعات من خلال ثلاث حلقات رئيسية من المعالجة المسبقة للبيانات، واستخراج الخصائص، وتصميم أجهزة التصنيف. وقد أظهرت نتائج التجارب أن هذه التكنولوجيا قد حققت نتائج أفضل من حيث التثبت من صحتها واستقرارها وقيمتها F1. وكان لتطبيق هذه التكنولوجيا أهمية كبيرة في تحسين مستوى مراقبة الجودة في إنتاج المواد المطا، والحد من سوء التقدير، كما وفرت أفكارا ومنهجيات جديدة للبحوث في مجالات أخرى ذات صلة.
وبالتطلع إلى المستقبل، هناك العديد من الاتجاهات التي تستحق الدراسة المتعمقة بشأن تقنيات تصنيف وتحديد المطالمطورة القائمة على التعلم بالسائل. أولاً، فيما يتعلق بأنواع مختلفة من المواد المطورة، يلزم إجراء المزيد من عمليات تحديد السمات الأكثر دقة من أجل تحسين الأداء التصنيفي. ثانيا، من المسائل الجديرة بالدراسة أيضا كيفية الجمع بين التعلم بالهيج مع خوارزميات التعلم المتعمق الأخرى لتشكيل نماذج تصنيفية أقوى. وعلاوة على ذلك، لا تزال هناك حاجة إلى قدر كبير من الاستكشاف والتطبيق فيما يتعلق بكيفية تطبيق هذه التكنولوجيا على نحو أفضل في عمليات الإنتاج الفعلية.
