Implementing of Microsoft Azure machine learning technology for electric machines optimization

dc.contributor.authorPliuhin, V.en
dc.contributor.authorSukhonos, M.en
dc.contributor.authorPan, M.en
dc.contributor.authorPetrenko, O.en
dc.contributor.authorPetrenko, M.en
dc.date.accessioned2019-03-25T12:34:47Z
dc.date.available2019-03-25T12:34:47Z
dc.date.issued2019
dc.description.abstractPurpose. 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.en
dc.description.abstractРассмотрены 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.ru
dc.identifier.citationImplementing 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.en
dc.identifier.doi10.20998/2074-272X.2019.1.04
dc.identifier.urihttps://repository.kpi.kharkov.ua/handle/KhPI-Press/40404
dc.language.isoen
dc.publisherНаціональний технічний університет "Харківський політехнічний інститут"uk
dc.subjectelectrical machinesen
dc.subjectoptimizationen
dc.subjectalgorithmen
dc.subjectdata seten
dc.subjectmachine learningen
dc.subjectMicrosoft Azureen
dc.subjectcloud computingen
dc.subjectэлектрические машиныru
dc.subjectоптимизацияru
dc.subjectалгоритмru
dc.subjectнабор данныхru
dc.subjectмашинное обучениеru
dc.subjectоблачные расчетыru
dc.titleImplementing of Microsoft Azure machine learning technology for electric machines optimizationen
dc.typeArticleen

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
EE_2019_1_Pliuhin_Implementing.pdf
Розмір:
521.08 KB
Формат:
Adobe Portable Document Format
Опис:

Ліцензійна угода

Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
11.25 KB
Формат:
Item-specific license agreed upon to submission
Опис: