Прогнозирование значений предела прочности сплавов с помощью нейросетевого моделирования на примере системы Al-Ca-Mn

Abstract

Настоящая статья посвящена вопросу обучения нейронной сети, позволяющей за минимальное время настроиться на распознавание заданного набора входных параметров системы. Задача обучения нейронной сети состоит в минимизации функции ошибки обучения, что является важной задачей при экспертной оценке технологического решения в интеллектуальной системе построения технологических процессов. Технологическое решение в интеллектуальной системе построения технологических процессов формируется в процессе совместной работы модулей системы на основе логических правил. Объект проектного технологического решения представляет собой сложную систему и включает в себя подсистемы разной природы, которые функционируют согласно правилам, описанным с применением нечеткой логики и системы прецедентов [1].