Learning Deep Learning

Arruda, Henrique Ferraz de; Benatti, Alexandre; Comin, César H.; Costa, Luciano da F.

doi:10.1590/1806-9126-rbef-2022-0101

Cited by 2 publications

(2 citation statements)

References 28 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The normalising process can be performed in several ways [16,22,23]. One alternative consists of ensuring that the range of all the features (data) is within 0 to 1 using the relation in (7).…”

Section: Methods Phase 1-pre-processing Of Input Datamentioning

confidence: 99%

A Novel Deep Reinforcement Learning (DRL) Algorithm to Apply Artificial Intelligence-Based Maintenance in Electrolysers

Abiola,

Manzano,

Andújar

2023

Algorithms

View full text Add to dashboard Cite

Hydrogen provides a clean source of energy that can be produced with the aid of electrolysers. For electrolysers to operate cost-effectively and safely, it is necessary to define an appropriate maintenance strategy. Predictive maintenance is one of such strategies but often relies on data from sensors which can also become faulty, resulting in false information. Consequently, maintenance will not be performed at the right time and failure will occur. To address this problem, the artificial intelligence concept is applied to make predictions on sensor readings based on data obtained from another instrument within the process. In this study, a novel algorithm is developed using Deep Reinforcement Learning (DRL) to select the best feature(s) among measured data of the electrolyser, which can best predict the target sensor data for predictive maintenance. The features are used as input into a type of deep neural network called long short-term memory (LSTM) to make predictions. The DLR developed has been compared with those found in literatures within the scope of this study. The results have been excellent and, in fact, have produced the best scores. Specifically, its correlation coefficient with the target variable was practically total (0.99). Likewise, the root-mean-square error (RMSE) between the experimental sensor data and the predicted variable was only 0.1351.

show abstract

Section: Methods Phase 1-pre-processing Of Input Datamentioning

confidence: 99%

A Novel Deep Reinforcement Learning (DRL) Algorithm to Apply Artificial Intelligence-Based Maintenance in Electrolysers

Abiola,

Manzano,

Andújar

2023

Algorithms

View full text Add to dashboard Cite

show abstract

“…Para uma discussão mais aprofundada, recomendamos a leitura da literatura base já bem estabelecida [16][17][18]25]. Para uma introdução ao Aprendizado Profundo no qual são usados algoritmos de redes neurais artificiais, sugerimos o trabalho de Arruda et al [26].…”

Section: Aprendizado De Máquinaunclassified

Introduzindo aprendizado de máquina em cursos de física: o caso do rolamento no plano inclinado

Ferreira

Ferraz

Espinosa-García

et al. 2022

Rev. Bras. Ensino Fís.

View full text Add to dashboard Cite

Em uma ciência cada vez mais orientada a dados, o uso de métodos computacionais inteligentes é progressivamente indispensável. Neste contexto, torna-se importante expor os estudantes de graduação em física às metodologias de inteligência artificial e aprendizado de máquina. Neste trabalho propomos uma forma de utilizar tais métodos na física, resolvendo o problema didático do rolamento em um plano inclinado. Para tanto, introduzimos os principais conceitos das técnicas de aprendizado de máquina e realizamos medidas do tempo que diferentes objetos (aro, disco e esfera) levam para percorrer uma certa distância, de acordo com a altura inicial e o ângulo de inclinação do plano. Com estes dados, aplicamos métodos de classificação capazes de predizer o objeto que rolava sobre o plano com acurácia de 83%, e métodos de regressão capazes de prever a velocidade média do objeto com erro absoluto médio de 1.4 cm s−1. Mostramos também que este modelo didático é instrutivo pois possibilita uma comparação direta com modelos físicos tradicionais e serve como exemplo introdutório para a discussão do que significa ensinar física para o computador.

show abstract

Learning Deep Learning

Cited by 2 publications

References 28 publications

A Novel Deep Reinforcement Learning (DRL) Algorithm to Apply Artificial Intelligence-Based Maintenance in Electrolysers

A Novel Deep Reinforcement Learning (DRL) Algorithm to Apply Artificial Intelligence-Based Maintenance in Electrolysers

Introduzindo aprendizado de máquina em cursos de física: o caso do rolamento no plano inclinado

Contact Info

Product

Resources

About