జర్నల్ ఆఫ్ న్యూక్లియర్ ఎనర్జీ సైన్స్ & పవర్ జనరేషన్ టెక్నాలజీ

సోలార్ హీటింగ్ సిస్టమ్‌లోని క్రమరాహిత్యాలను గుర్తించడానికి మెషిన్ లెర్నింగ్ అల్గారిథమ్‌లను ఉపయోగించడం

మురత్ కునెల్‌బాయేవ్, ఝాదిరా జుమాషేవా, ట్లేటే షోల్పన్, కుర్మనాలీ మీరామ్‌గుల్, డుయిస్సెంబయేవా లారా మరియు కుర్బనాలీయేవా ఐమన్

సోలార్ హీటింగ్ సిస్టమ్‌లోని క్రమరాహిత్యాలను గుర్తించడానికి మెషిన్ లెర్నింగ్ అల్గారిథమ్‌ల వినియోగాన్ని ఈ కథనం విశ్లేషిస్తుంది. అభివృద్ధి చేయబడిన సౌర తాపన వ్యవస్థ వివరణ మరియు మోడలింగ్ ప్రక్రియను సులభతరం చేయడానికి అనేక భాగాలను కలిగి ఉంటుంది. రచయితలు సాధారణ అవకలన సమీకరణాల ఆధారంగా న్యూరల్ నెట్‌వర్క్‌ల కోసం కొత్త నిర్మాణాన్ని ప్రతిపాదించారు. ప్రమాద అంచనా (సమయ శ్రేణి యొక్క ఎక్స్‌ట్రాపోలేషన్ సమస్య) మరియు వర్గీకరణ (చారిత్రక డేటా ఆధారంగా ప్రమాదాల వర్గీకరణ) యొక్క ఆచరణాత్మక సమస్యల కోసం కొత్త నిర్మాణాన్ని వర్తింపజేయాలనే ఆలోచన ఉంది. అభివృద్ధి చెందిన మెషీన్ లెర్నింగ్ అల్గారిథమ్‌లు, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ టెక్నిక్స్, డిఫరెన్షియల్ ఈక్వేషన్స్ సిద్ధాంతం-ఈ దిశలు సిస్టమ్ ప్రమాద రేటును అంచనా వేయడానికి ఒక నమూనాను రూపొందించడానికి అనుమతిస్తుంది. డేటాబేస్ మేనేజ్‌మెంట్ సిద్ధాంతం (నాన్-రిలేషనల్ డేటాబేస్) - ఈ సిస్టమ్‌లు పెద్ద సమయ శ్రేణి యొక్క సరైన నిల్వను ఏర్పాటు చేయడానికి మిమ్మల్ని అనుమతిస్తాయి.