Please use this identifier to cite or link to this item: http://repository.kpi.kharkov.ua/handle/KhPI-Press/40404
Title: Implementing of Microsoft Azure machine learning technology for electric machines optimization
Authors: Pliuhin, V.
Sukhonos, M.
Pan, M.
Petrenko, O.
Petrenko, M.
Keywords: electrical machines; optimization; algorithm; data set; machine learning; Microsoft Azure; cloud computing; электрические машины; оптимизация; алгоритм; набор данных; машинное обучение; облачные расчеты
Issue Date: 2019
Publisher: Національний технічний університет "Харківський політехнічний інститут"
Citation: Implementing of Microsoft Azure machine learning technology for electric machines optimization / V. Pliuhin [et al.] // Електротехніка і Електромеханіка = Electrical engineering & Electromechanics. – 2019. – № 1. – С. 23-28.
Abstract: Purpose. To consider problems of electric machines optimizationwithin a wide range of many variables variation as well as the presence of many calculation constraints in a single-criteria optimization search tasks. Results. A structural model for optimizing electric machines of arbitrary type using Microsoft Azure machine learning technology has been developed. The obtained results, using several optimization methods from the Microsoft Azure database are demonstrated. The advantages of cloud computing and optimization based on remote servers are shown. The results of statistical analysis of the results are given. Originality. Microsoft Azure machine learning technology was used for electrical machines optimization for the first time. Recommendations for modifying standard algorithms, offered by Microsoft Azure are given. Practical value. Significant time reduction and resources spent on the optimization of electrical machines in a wide range of variable variables. Reducing the time to develop optimization algorithms. The possibility of automatic statistical analysis ofthe results after performing optimization calculations.
Рассмотрены проблемы оптимизации электрических машин при широком диапазоне варьирования многих переменных, наличии большого числа вычисляемых ограничений, в однокритериальных задачах оптимизационного поиска. Разработана структурная модель оптимизации электрических машин произвольного типа с применением технологии машинного обучения Microsoft Azure. Продемонстрированы результаты, полученные с использованием нескольких методов оптимизации из базы Microsoft Azure. Показаны преимущества облачных расчетов и оптимизации на базе удаленных серверов. Приведенные результаты касаются решения однокритериальной задачи оптимизации с двумя переменными. Даны результаты статистического анализа полученных результатов. Даны рекомендации по применению машинного обучения Microsoft Azure в проектировании и оптимизации электрических машин.
DOI: 10.20998/2074-272X.2019.1.04
URI: http://repository.kpi.kharkov.ua/handle/KhPI-Press/40404
Appears in Collections:Кафедра "Електричні апарати"

Files in This Item:
File Description SizeFormat 
EE_2019_1_Pliuhin_Implementing.pdf521,08 kBAdobe PDFThumbnail
View/Open
Show full item record  Google Scholar



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