ترجمه فارسی مقاله مدل ترانسفورماتور هوش مصنوعی محور برای پیش بینی گسل در سیستم خودروهای پویا غیر خطی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی AI-driven Transformer Model for Fault Prediction in Non-Linear Dynamic Automotive System
عنوان مقاله به فارسی مدل ترانسفورماتور هوش مصنوعی محور برای پیش بینی گسل در سیستم خودروهای پویا غیر خطی
نویسندگان Priyanka Kumar
فرمت مقاله انگلیسی PDF
تعداد صفحات 5
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,یادگیری ماشین , هوش مصنوعی ,
توضیحات Submitted 22 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 22 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Fault detection in automotive engine systems is one of the most promising research areas. Several works have been done in the field of model-based fault diagnosis. Many researchers have discovered more advanced statistical methods and algorithms for better fault detection on any automotive dynamic engine system. The gas turbines/diesel engines produce highly complex and huge data which are highly non-linear. So, researchers should come up with an automated system that is more resilient and robust enough to handle this huge, complex data in highly non-linear dynamic automotive systems. Here, I present an AI-based fault classification and prediction model in the diesel engine that can be applied to any highly non-linear dynamic automotive system. The main contribution of this paper is the AI-based Transformer fault classification and prediction model in the diesel engine concerning the worldwide harmonic light vehicle test procedure (WLTP) driving cycle. This model used 27 input dimensions, 64 hidden dimensions with 2 layers, and 9 heads to create a classifier with 12 output heads (one for fault-free data and 11 different fault types). This model was trained on the UTSA Arc High-Performance Compute (HPC) cluster with 5 NVIDIA V100 GPUs, 40-core CPUs, and 384GB RAM and achieved 70.01 % accuracy on a held test set.

چکیده به فارسی (ترجمه ماشینی)

تشخیص گسل در سیستم های موتور خودرو یکی از امیدوار کننده ترین زمینه های تحقیقاتی است.چندین اثر در زمینه تشخیص گسل مبتنی بر مدل انجام شده است.بسیاری از محققان روشهای آماری پیشرفته تری را برای تشخیص بهتر گسل در هر سیستم موتور پویا خودرو کشف کرده اند.توربین های گازی/موتورهای دیزلی داده های بسیار پیچیده و عظیمی را تولید می کنند که بسیار غیرخطی هستند.بنابراین ، محققان باید یک سیستم خودکار ارائه دهند که به اندازه کافی انعطاف پذیر و قوی تر باشد تا بتواند این داده های بزرگ و پیچیده را در سیستم های خودروسازی بسیار غیرخطی کنترل کند.در اینجا ، من یک طبقه بندی و پیش بینی خطای مبتنی بر هوش مصنوعی را در موتور دیزل ارائه می دهم که می تواند برای هر سیستم خودروهای پویا بسیار غیرخطی اعمال شود.سهم اصلی این مقاله ، طبقه بندی و پیش بینی گسل ترانسفورماتور مبتنی بر AI در موتور دیزل در مورد چرخه رانندگی در سراسر جهان تست وسایل نقلیه سبک هارمونیک (WLTP) است.در این مدل از 27 ابعاد ورودی ، 64 ابعاد پنهان با 2 لایه و 9 سر برای ایجاد یک طبقه بندی با 12 سر خروجی استفاده شده است (یکی برای داده های بدون خطا و 11 نوع گسل مختلف).این مدل بر روی خوشه محاسبات با کارایی بالا (HPC) با ARC UTSA با 5 GPU NVIDIA V100 ، CPU های 40 هسته ای و رم 384 گیگابایتی آموزش داده شد و 70.01 ٪ دقت را در یک مجموعه آزمایش برگزار کرد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.