ISSN 2594-5335
24° Seminário de Automação e TI — vol. 24, num.24 (2022)
Título
Autoria
DOI
Downloads
Resumo
SÃO MUITAS AS APLICAÇÕES PRÁTICAS DE ENGENHARIA QUE PERMANECEM SEM SEREM EXPLORADAS UTILIZANDO AS INOVAÇÕES RECENTES DO CAMPO DE APRENDIZAGEM PROFUNDA, SENDO ESSAS MELHORIAS ESTRUTURAIS QUE PERMITIRAM O TREINAMENTO COM SUCESSO DE REDES NEURAIS EXTREMAMENTE PROFUNDAS. NÓS APRESENTAMOS UM FRAMEWORK PARA DETERMINAÇÃO DE TEMPERATURA DE REVENIMENTO PARA BARRAS DE AÇO LAMINADAS A QUENTE, E SENDO INSPIRADO PELO CAMPO DE VISÃO COMPUTACIONAL, DESCREVEMOS UMA ARQUITETURA DE REDE NEURAL RESIDUAL PROFUNDA PARA O PROBLEMA DE REGRESSÃO. REDES NEURAIS RESIDUAIS DE ATÉ 100 CAMADAS FORAM TREINADAS COM SUCESSO, E PERFORMANCE QUASE-HUMANA FOI ALCANÇADA PELO CONJUNTO DOS MELHORES MODELOS, SENDO CAPAZES DE PREDIZER OS PARÂMETROS DE TEMPERATURA DE TRATAMENTO TÉRMICO PARA 41 QUALIDADES DIFERENTES DE AÇO. PELO CONHECIMENTO DOS AUTORES, OS MODELOS APRESENTADOS NESSE ARTIGO SÃO OS MAIS PROFUNDOS NA LITERATURA PARA DEFINIÇÃO DE TEMPERATURA DE TRATAMENTO TÉRMICO.
THERE IS A LARGE QUANTITY OF PRACTICAL ENGINEERING APPLICATIONS THAT HAVE NOT YET BEEN TACKLED BY THE MOST RECENT INNOVATIONS OF DEEP LEARNING, WITH THESE BEEN ARCHITECTURE BREAKTHROUGHS ENABLING THE SUCCESSFUL TRAINING OF VERY DEEP NEURAL NETWORKS. IN THIS PAPER, WE PRESENT A FRAMEWORK FOR DETERMINING THE TEMPERATURE OF THE HEAT TREATMENT PROCESS OF TEMPERING OF HOT-ROLLED STEEL BARS, AND BEING MOSTLY INSPIRED BY THE COMPUTER VISION FIELD, WE DESCRIBE THE DESIGN OF A DEEP RESIDUAL NETWORK FOR THIS REGRESSION PROBLEM. RESIDUAL NEURAL NETWORKS AS DEEP AS 100 LAYERS WERE SUCCESSFULLY TRAINED, AND NEAR HUMAN-LEVEL PERFORMANCE WAS ACHIEVED BY AN ENSEMBLE OF THE BEST MODELS, BEING ABLE TO PREDICT THE HEAT TREATMENT TEMPERATURE PARAMETERS FOR 41 DIFFERENT STEEL QUALITIES. TO THE BEST OF THE AUTHORS’ KNOWLEDGE, THE MODELS PRESENTED IN THIS PAPER ARE THE DEEPEST IN THE LITERATURE EMPLOYED FOR THE DEFINITION OF HEAT TREATMENT TEMPERATURE.
Palavras-chave
Aprendizado profundo; Redes residuais; Tratamento térmico; Regressão profunda
Deep learning, Residual netwoks, Heat treatment, Deep regression
Como citar
Silveira, Leonardo.
APRENDIZAGEM RESIDUAL PROFUNDA PARA DEFINIÇÃO DE TEMPERATURA DE TRATAMENTO TÉRMICO PARA BARRAS DE AÇO LAMINADAS A QUENTE
,
p. 100-111.
In: 24° Seminário de Automação e TI,
São Paulo,
2022.
ISSN: 2594-5335
, DOI 10.5151/2594-5335-34600