Trong nghiên cứu này, một khung khám phá kiến thức mới có thể phân tích dữ liệu được tạo ra trong bối cảnh Phun xăng trực tiếp (GDI) thông qua học máy đã được trình bày và xác thực. Cách tiếp cận này có thể khám phá và khai thác các không gian thiết kế được nghiên cứu dựa trên số lượng quan sát hạn chế, khám phá và hình dung các kết nối và mối tương quan trong các hiện tượng phức tạp. Tri thức được trích xuất sau đó được xác nhận bằng kiến thức chuyên môn về miền, bộc lộ tiềm năng và hạn chế của phương pháp này.

Abstract:

In this work, a novel knowledge discovery framework able to analyze data produced in the Gasoline Direct Injection (GDI) context through machine learning is presented and validated. This approach is able to explore and exploit the investigated design spaces based on a limited number of observations, discovering and visualizing connections and correlations in complex phenomena. The extracted knowledge is then validated with domain expertise, revealing potential and limitations of this method.

Ngôn ngữ:	En
Tác giả:	Botticelli, Massimiliano
Thông tin nhan đề:	Development of a modular Knowledge-Discovery Framework based on Machine Learning: for the interdisciplinary analysis of complex phenomena in the context of GDI combustion processes
Nhà xuất bản:	KIT Scientific Publishing
Loại hình:	Tài nguyên giáo dục mở / Bộ sưu tập: Công nghệ ô tô
Bản quyền:	https://creativecommons.org/licenses/by-sa/4.0/
Nguồn gốc:	https://directory.doabooks.org/handle/20.500.12854/101677
Mô tả vật lý:	210p.
Năm xuất bản:	2023