Архив статей журнала
Рассматривается численное моделирование тепловых процессов при 3 D -печати с использованием технологии селективного лазерного плавления на основе машинного обучения. Построена математическая модель нестационарного теплопереноса в стержне переменного сечения в виде дифференциального уравнения в частных производных относительно температуры стержня. Предложен алгоритм численного решения уравнения с использованием системы Matlab . Показано, что при определённых исходных данных распределение температуры носит квазистационарный характер. Для данного случая получено простое аналитическое выражение для температурного поля. С использованием библиотеки TensorFlow построена и обучена нейросеть. Данные для обучения нейросети получены при помощи аналитического решения тепловой задачи. Результаты расчётов с использованием нейросети соответствуют результатам решения исходной математической модели. Отмечается, что трёхмерное моделирование процесса печати для реальных изделий требует значительных компьютерных ресурсов. Показано, что модели на основе машинного обучения могут быть использованы для аппроксимации температурного поля при 3 D -печати по технологии селективного лазерного плавления подобных по форме деталей.
С развитием цифровизации традиционные методы анкетирования потребителей с целью оценки степени их удовлетворённости качеством услуг уступают место подходу, основанному на автоматической обработке текстовых массивов социальных медиа. Целью работы является определение степени удовлетворённости качеством медицинских услуг пациентов посредством разработки и апробации алгоритма классификации русскоязычных текстовых отзывов, извлечённых из социальных медиаресурсов. Интерес представляет определение тональности отзывов пациентов (положительный/отрицательный) о работе медицинских учреждений и врачей, а также объекты обращения отзыва - качество оказанных медицинских услуг или организация обслуживания пациентов медицинским учреждением. Разработан метод классификации текстовых отзывов о работе медицинских учреждений, размещённых пациентами на двух сайтах отзывов о врачах в России. Проанализировано около 60 тысяч отзывов. Апробированы методы машинного обучения с использованием различных архитектур искусственных нейронных сетей. Разработанный алгоритм классификации имеет высокую эффективность - лучший результат показала архитектура на основе рекуррентной нейронной сети (показатель точности = 0.9271). Применение метода поиска именованных сущностей к текстовым сообщениям позволило повысить эффективность классификации для каждого из классификаторов, базирующихся на использовании нейронных сетей. Для повышения качества классификации требуется семантическое разбиение отзыва по объекту обращения и тональности и последующий учёт полученных фрагментов отдельно друг от друга.