Алгоритми машинного навчання для прогнозування властивостей сегнетоелектриків
Вантажиться...
Дата
2025
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Об’єкт дослідження: сегнетоелектричні матеріали та їхні фізико-хімічні властивості.
Предмет дослідження: математичні моделі машинного навчання та їх застосування до задач прогнозування параметрів сегнетоелектриків.
Мета роботи: розробка, навчання та аналіз ефективності моделей машинного навчання для прогнозування фізичних властивостей сегнетоелектричних матеріалів на основі структурних та хімічних характеристик.
Методи дослідження: аналітичні та емпіричні методи, які включають математичне моделювання на основі алгоритмів машинного навчання, таких як регресія, метод опорних векторів, випадковий ліс і штучні нейронні мережі.
При написанні роботи було досліджено літературні джерела, властивості сегнетоелектричних матеріалів, їх класифікація; відкриті бази даних, такі як Materials Project, AFLOW, NOMAD; сучасні алгоритми машинного навчання, такі як RandomForest, SVM, штучні нейронні мережі. Були проведені тренування відповідних моделей, а також проведено аналіз процесу тренування та аналіз результатів роботи моделей.
Результат роботи: набір предиктивних моделей, що дозволяють по набору вхідних ознак сегнетоелектрика дізнатися приблизну температуру Кюрі.
Опис
Ключові слова
MSE, MAE, сегнетоелектрик, гістерезис, модель, датасет, оверфіт, метрика, крос-валідація, ferroelectric, hysteresis, model, dataset, overfit, metric, cross-validation
Бібліографічний опис
Друзь, Д. А. Алгоритми машинного навчання для прогнозування властивостей сегнетоелектриків : дипломна робота … бакалавра : 153 Мікро- та наносистемна техніка / Друзь Дмитро Андрійович. – Київ, 2025. – 88 с.