Архив статей журнала
Представленная разработка способствует внедрению цифровых технологий в описание процессов нефтехимических предприятий, отвечает потребностям промышленности в быстрых и точных расчетах, сокращает зависимость от дорогостоящих экспериментов и зарубежного программного обеспечения, что делает его актуальным как для науки, так и для реального сектора экономики. Целью исследования является способ расчета вязкости широкой фракции углеводородов с использованием нейронных сетей для повышения точности и эффективности прогнозирования по сравнению с традиционными методами и реализация в виде специализированного программного комплекса. Для оптимизации процесса обучения и ускорения вычислений исходная задача была разделена на несколько более простых подзадач с уменьшенной размерностью параметров, предложенная декомпозиция значительно сократила объем вычислений, что способствует снижению параметричности построенного многослойного полносвязного персептрона и понижению проблематичности процедуры обучения моделей. Для автоматизации сбора информации для обучения многослойного полносвязного персептрона был разработан вспомогательный программный комплекс, формирующий требуемые наборы данных в Unisim. Все построенные нейронные сети обучались на выборках, которые разбивались на обучающее, валидационное и тестовое подмножества по 70, 15 и 15 % от исходного набора соответственно. Потери при обучении не превысили 10-6 при отсутствии переобучения. Работоспособность полученного многослойного полносвязного персептрона дополнительно проверили на производственных данных, не использовавшихся при обучении. Реализация метода осуществлена в виде оригинального специализированного программного комплекса, в котором используется согласованная работа нескольких обученных нейронных сетей для точного расчета вязкости углеводородных смесей. Разработанный программный комплекс доказал свою эффективность и надежность, представляя собой мощный инструмент для расчета вязкости широкой фракции углеводородов при моделировании процессов нефтехимии.
Статья посвящена сравнению современных алгоритмов искусственных нейронных сетей, используемых для генерации 3D-моделей. Актуальность темы обусловлена растущим спросом на автоматизацию технологий создания 3D-моделей в различных областях, включающих игровую индустрию, дизайн, киноискусство, медицину. Целью работы является рассмотрение алгоритмов искусственных нейронных сетей для генерации трехмерных моделей с последующим акцентированием их преимуществ и недостатков, а также определение направлений для их возможного применения. В статье рассматриваются основные категории алгоритмов, включая воксельные подходы, методы, основанные на облаках точек, полигональные сетки, а также неявные поверхности. Особое внимание уделяется генеративно-состязательным сетям и нейронным полям излучения, которые демонстрируют высокое качество генерации и широкие возможности применения. Для каждого подхода описаны принципы работы, преимущества, ограничения и примеры использования. Методы исследования включают анализ научной литературы, сравнение подходов, используемых при генерации искусственными нейронными сетями, а также оценку качества генерации на основе публичных датасетов. Также рассматриваются вычислительные затраты, требования к данным и сложность реализации каждого алгоритма. Статья подчеркивает важность дальнейших исследований в этой области, включая разработку гибридных методов и улучшение существующих подходов.