https://libeldoc.bsuir.by/handle/123456789/53824| Title: | Оптимизация физического эксперимента на основе машинного обучения и анализа данных на примере эффекта Зеебека |
| Other Titles: | Optimization of physical experiment using machine learning and data analysis in the example of the Seeger effect |
| Authors: | Глинский, И. В. Григорьев, А. А. |
| Keywords: | публикации ученых;машинное обучение;анализ данных;коэффициент Зеебека;термопары;термоэлектрические преобразователи |
| Issue Date: | 2023 |
| Publisher: | Кубанский государственный технологический университет |
| Citation: | Глинский, И. В. Оптимизация физического эксперимента на основе машинного обучения и анализа данных на примере эффекта Зеебека = Optimization of physical experiment using machine learning and data analysis in the example of the Seeger effect / И. В. Глинский, А. А. Григорьев // Прикладные вопросы точных наук : материалы VII Международной научно-практической конференции студентов, аспирантов, преподавателей, Армавир, 27–28 октября 2023 г. / Кубанский государственный технологический университет ; редкол.: Л. А. Горовенко, О. П. Ровенская. – Армавир, 2023. – С. 11–13. |
| Abstract: | В данной работе исследуется применение машинного обучения и анализа данных для оптимизации эксперимента по изучению эффекта Зеебека. Цель состоит в разработке методики определения оптимальных параметров термопар для максимизации коэффициента Зеебека. Используя методы кластеризации, предобработки данных и машинного обучения, успешно выявлены закономерности в экспериментальных данных, что позволило определить оптимальные условия для проведения эксперимента. Результаты данного исследования могут быть полезны для разработки новых материалов и устройств,основанных на эффекте Зеебека. |
| Alternative abstract: | This paper explores the use of machine learning and data analytics to optimize an experiment to study the Seebeck effect. The goal is to develop a methodology for determining optimal thermocouple parameters to maximize the Seebeck coefficient. Using methods of clustering, data preprocessing and machine learning, patterns in the experimental data were successfully identified, which made it possible to determine the optimal conditions for conducting the experiment. The results of this study may be useful for the development of new materials and devices based on the Seebeck effect. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/53824 |
| Appears in Collections: | Публикации в зарубежных изданиях |
| File | Description | Size | Format | |
|---|---|---|---|---|
| Glinskij_Optimizaciya.pdf | 204.44 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.