Submitted 15 September, 2024; v1 submitted 29 August, 2024; originally announced August 2024. , Comments: 28 pages, 10 figures, presented at the International Electric Propulsion Conference 2024, submitted to Engineering Applications of Artificial Intelligence
توضیحات به فارسی
ارسال شده در 15 سپتامبر 2024 ؛V1 ارسال شده 29 اوت 2024 ؛در ابتدا اوت 2024. ، نظرات: 28 صفحه ، 10 شکل ، ارائه شده در کنفرانس بین المللی پیشرانه الکتریکی 2024 ، ارسال شده به برنامه های مهندسی اطلاعات مصنوعی
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
This study introduces a machine learning framework to predict the suitability of ionic liquids with unknown physical properties as propellants for electrospray thrusters based on their molecular structure. We construct a training dataset by labeling ionic liquids as suitable (+1) or unsuitable (-1) for electrospray thrusters based on their density, viscosity, and surface tension. The ionic liquids are represented by their molecular descriptors calculated using the Mordred package. We evaluate four machine learning algorithms: Logistic Regression, Support Vector Machine (SVM), Random Forest, and Extreme Gradient Boosting (XGBoost), with SVM demonstrating superior predictive performance. The SVM predicts 193 candidate propellants from a dataset of ionic liquids with unknown physical properties. Further, we employ Shapley Additive Explanations (SHAP) to assess and rank the impact of individual molecular descriptors on model decisions.
چکیده به فارسی (ترجمه ماشینی)
این مطالعه یک چارچوب یادگیری ماشین را برای پیش بینی مناسب بودن مایعات یونی با خصوصیات فیزیکی ناشناخته به عنوان پیشرو برای پیشرفت های الکتروسپری بر اساس ساختار مولکولی آنها معرفی می کند.ما با برچسب زدن مایعات یونی به عنوان مناسب (1+) یا نامناسب (-1) برای پیشرفت های الکتروپری مبتنی بر چگالی ، ویسکوزیته و تنش سطح ، یک مجموعه داده آموزشی می سازیم.مایعات یونی توسط توصیف کننده های مولکولی آنها با استفاده از بسته Mordred محاسبه می شوند.ما چهار الگوریتم یادگیری ماشین را ارزیابی می کنیم: رگرسیون لجستیک ، دستگاه بردار پشتیبانی (SVM) ، جنگل تصادفی و تقویت شیب شدید (XGBOOST) ، با SVM عملکرد پیش بینی برتر را نشان می دهد.SVM 193 پیشرانهای نامزد را از مجموعه داده های مایعات یونی با خصوصیات بدنی ناشناخته پیش بینی می کند.علاوه بر این ، ما برای ارزیابی و رتبه بندی تأثیر توصیف کننده های مولکولی فردی بر تصمیمات مدل ، از توضیحات افزودنی شاپلی استفاده می کنیم.
📚 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.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
