Application of recurrent neural networks in predictive maintenance of metal-cutting equipment

Ismayilov, V. M.; Javadov, N. G.; Amirov, A. M.

Даты публикации Авторы Заглавия Темы

Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ: https://elib.bsu.by/handle/123456789/341155

Полная запись метаданных

Поле DC	Значение	Язык
dc.contributor.author	Ismayilov, V. M.
dc.contributor.author	Javadov, N. G.
dc.contributor.author	Amirov, A. M.
dc.date.accessioned	2026-02-05T11:05:03Z	-
dc.date.available	2026-02-05T11:05:03Z	-
dc.date.issued	2025
dc.identifier.citation	Информационные системы и технологии = Information Systems and Technologies : материалы XI Междунар. науч. конгр. по информатике (CSIST-2025), Респ. Беларусь, Минск, 29–31 окт. 2025 г. В 2 ч. Ч. 2 / Белорус. гос. ун-т ; редкол.: С. В. Абламейко (гл. ред.) [и др]. – Минск : БГУ, 2025. – С. 152-156.
dc.identifier.isbn	978-985-881-851-7
dc.identifier.isbn	978-985-881-853-1 (ч. 2)
dc.identifier.uri	https://elib.bsu.by/handle/123456789/341155	-
dc.description	Раздел II. Нейронные сети и глубокое обучение
dc.description.abstract	Predictive maintenance is a strategy that helps to prevent unplanned equipment downtime in manufacturing. This article studies the application of a recurrent neural network for classifying the condition of a cutting tool. The model training was carried out on an industrial dataset that is closely approximated to real manufacturing conditions. As a result, the trained model achieved 82% accuracy on the test subset. The trained model can be used as a baseline for further research
dc.language.iso	en
dc.publisher	Минск : БГУ
dc.rights	info:eu-repo/semantics/openAccess
dc.subject	ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика
dc.title	Application of recurrent neural networks in predictive maintenance of metal-cutting equipment
dc.title.alternative	Применение рекуррентных нейронных сетей в прогнозном обслуживании металлорежущего оборудования / В. М. Измаилов, Н. Г. Джавадов, A. M. Амиров
dc.type	conference paper
dc.description.alternative	Прогностическое обслуживание — это стратегия, помогающая предотвратить незапланированные простои оборудования на производстве. В данной статье рассматривается применение рекуррентной нейронной сети для классификации состояния режущего инструмента. Обучение модели проводилось на промышленном наборе данных, максимально приближенном к реальным производственным условиям. В результате обученная модель достигла точности 82% на тестовом подмножестве. Обученная модель может быть использована в качестве основы для дальнейших исследований
Располагается в коллекциях:	2025. Информационные системы и технологии

Полный текст документа:

Файл	Описание	Размер	Формат
152-156.pdf		421,52 kB	Adobe PDF	Открыть

Показать базовое описание документа Статистика Google Scholar

Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.