Шевлякова, Ганна ВікторівнаДрузь, Дмитро Андрійович2025-07-242025-07-242025Друзь, Д. А. Алгоритми машинного навчання для прогнозування властивостей сегнетоелектриків : дипломна робота … бакалавра : 153 Мікро- та наносистемна техніка / Друзь Дмитро Андрійович. – Київ, 2025. – 88 с.https://ela.kpi.ua/handle/123456789/75198Об’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.88 с.ukMSEMAEсегнетоелектрикгістерезисмодельдатасетоверфітметрикакрос-валідаціяferroelectrichysteresismodeldatasetoverfitmetriccross-validationBachelor Thesis