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
In this study, the effectiveness and performance of machine learning approaches for predicting surface flashover voltage of thermally stressed specimen were studied. In particular, k-NN (k-Nearest Neighbors) and ANN (Artificial Neural Network) technique were considered. Data from flashover experiments and features of the electrical field distribution were used to train the machine learning models. The overall process of implementing the prediction model is introduced. While both approaches were optimized through hyperparameter tuning, it was shown that the ANN approach shows slightly better prediction performance. In particular, ANN seemed to show satisfactory performance for specimen that experienced higher stress conditions. Although the k-NN approach showed some limitations compared to the ANN approach, the k-NN approach could also show potential for applications thanks to its rather simple approach and requiring less computation resources.
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) : I410-151-25-02-092315957
