인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 연구는 기계학습 기반 소재 설계에서 유전알고리즘을 활용하여 주요 특성인자를 선택함으로써 과대적합을 방지하고 회귀예측 성능을 최적화하는 방법을 제안한다. 벌크금속유리 소재의 조성 데이터를 기반으로 XGB 모델을 적용하여 주요 특성인자를 초기 탐색한 후, 유전알고리즘을 통해 특성인자 수를 최소화하면서도 예측 성능이 유지되도록 최적화하였다. 연구 결과, 156개의 초기 특성인자 중 유전알고리즘을 통해 최종 9개의 특성인자를 선정하였으며, 이는 결정계수 0.933과 낮은 평균제곱근오차를 통해 우수한 성능을 확인하였다. 본 연구는 유전알고리즘이 데이터의 복잡성을 줄이고 기계학습 모델의 예측 성능을 효과적으로 향상시킬 수 있음을 보여준다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092095085
