Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/39064
Title: Методы глубокого обучения для оптимизации решeния образовательных и исследовательских задач в области наноматериаловедения
Other Titles: Deep learning methods possibilities for optimization of the educational and research problems solution in the field of nanomaterial science
Authors: Баглов, А. В.
Хорошко, Л. С.
Baglov, A. V.
Khoroshko, L. S.
Keywords: материалы конференций
нейронные сети
наноматериалы
глубокое обучение
иттрий-алюминиевые оксиды
neural networks
nanomaterials
deep learning
yttriumaluminum oxides
Issue Date: 2020
Publisher: Беспринт, РБ
Citation: Баглов, А. В. Методы глубокого обучения для оптимизации решeния образовательных и исследовательских задач в области наноматериаловедения / А. В. Баглов, Л. С. Хорошко // BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня: сб. материалов VI Междунар. науч.-практ. конф., Минск, 20-21 мая 2020 года: в 3 ч. Ч. 3 / редкол.: В. А. Богуш [и др.]. – Минск : Бестпринт, 2020. – С. 191–194.
Abstract: Симбиоз классической науки и передовых информационных технологий становится все более продуктивным и востребованным для современного научно-технического прогресса и укрепления позиций белорусской науки и образования на международной арене. Нейронные сети и методы машинного обучения в общем способны снизить временные и трудовые затраты на широкий ряд материаловедческих исследований, особенно в направлении прогнозирования свойств наноматериалов и новых соединений, что особенно актуально в рамках стратегии «Наука и технологии: 2018–2040» и внедрения концепции Университета 3.0. В данной работе рассмотрен практический пример решения актуальной задачи исследования свойств материалов на примере иттрий-алюминиевых оксидов (материалы, широко используемые в лазерной технике, оптоэлектронике и др.) с привлечением методов глубокого обучения. Дан сравнительный анализ результатов, полученных нейронной сетью, с данными традиционного компьютерного эксперимента. The symbiosis of classical science and advanced information technologies is becoming increasingly productive and demanded for modern scientific and technological progress and strengthening of the Belarusian science and education position in the world. Neural networks and machine learning methods in general can reduce time and labor expenditure for a wide range of materials science research, especially in the direction of the nanomaterials and new compounds properties predicting. It’s especially important in the framework of the “Science and Technology: 2018–2040” strategy and the introduction of the University 3.0 concept. In this paper, we consider a practical example of solving the urgent problem of the materials properties studying by the case of yttrium-aluminum oxides (materials widely used in laser technology, optoelectronics, etc.) with the use of deep learning methods. A comparative analysis of the results obtained by the neural network with the data of a traditional computer experiment is represented.
URI: https://libeldoc.bsuir.by/handle/123456789/39064
ISBN: 978-985-905-339-9
Appears in Collections:BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня (2020)

Files in This Item:
File Description SizeFormat 
Baglov_Metody.pdf583,5 kBAdobe PDFView/Open
Show full item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.