The problem of prediction of the transmission coefficient using neural networks with a limited quantity of data

The problem of prediction of the transmission coefficient using neural networks with a limited quantity of data

The article discusses available approaches to predicting the transmission coefficient of metamaterials. In the paper was proposed different approaches that create the possibility of using data from various open sources, as well as the possibility of encoding complete structural information about the...

Повний опис

Збережено в:
Бібліографічні деталі
Дата:2025
Автор: Krysenko, Pavlo
Формат: Стаття
Мова:Ukrainian
Опубліковано: Kyiv National University of Construction and Architecture 2025
Теми:
deep learning
low pass filter
convolutional neural networks
metamaterials
Онлайн доступ:https://es-journal.in.ua/article/view/328625
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Environmental safety and natural resources

Репозитарії

Environmental safety and natural resources
id es-journalinua-article-328625
record_format ojs
spelling es-journalinua-article-3286252025-08-12T12:31:01Z The problem of prediction of the transmission coefficient using neural networks with a limited quantity of data Проблематика прогнозування коефіцієнта пропускання за допомогою нейронних мереж з обмеженою кількістю даних Krysenko, Pavlo deep learning low pass filter convolutional neural networks metamaterials глибоке навчання фільтр низьких частот згорткова нейронна мережа метаматеріали The article discusses available approaches to predicting the transmission coefficient of metamaterials. In the paper was proposed different approaches that create the possibility of using data from various open sources, as well as the possibility of encoding complete structural information about the composition of metamaterials. A neural network with two inputs was designed, which is based on a three-dimensional convolution operation. Using these approaches, the training of an artificial neural network was carried out, and the results of transmission coefficient prediction were presented. The nature of metamaterial use can be determined by the predicted coefficient, but the resulting root mean square error still does not allow using such a neural network as a substitute for existing approaches. The paper presents an analysis of the obtained results, in which possible approaches to solving the problem of the amount of data are proposed, as well as solving the problem of different intervals of electromagnetic radiation in the dataset using the architecture of a three-dimensional transformer. У статті розглянуто наявні підходи до прогнозування коефіцієнта пропускання метаматеріалів. В роботі пропонуються підходи, які створюють можливість використання даних з різних відкритих джерел, а також можливість кодувати повну структурну інформацію про склад метаматеріалів. Було спроєктовано нейронну мережу з двома входами, яка заснована на операції тривимірної згортки. Використовуючи ці підходи, було проведено навчання штучної нейронної мережі, представлені результати прогнозування коефіцієнта пропускання. За прогнозованим коефіцієнтом можна визначити характер використання метаматеріалу, але отримана середньоквадратична похибка все ще не дозволяє використовувати таку нейронну мережу як замінник існуючих підходів. В роботі представлено аналіз отриманих результатів, запропоновані можливі підходи до вирішення проблематики кількості даних, а також вирішення проблеми різних проміжків електромагнітного опромінення у датасеті за допомогою архітектури тривимірного трансформеру. Kyiv National University of Construction and Architecture 2025-03-28 Article Article application/pdf https://es-journal.in.ua/article/view/328625 10.32347/2411-4049.2025.1.155-163 Environmental safety and natural resources; Vol. 53 No. 1 (2025): Environmental safety and natural resources; 155-163 Екологічна безпека та природокористування; Том 53 № 1 (2025): Екологічна безпека та природокористування; 155-163 2616-2121 2411-4049 10.32347/2411-4049.2025.1 uk https://es-journal.in.ua/article/view/328625/318449 Copyright (c) 2025 Pavlo Krysenko http://creativecommons.org/licenses/by/4.0
institution Environmental safety and natural resources
baseUrl_str
datestamp_date 2025-08-12T12:31:01Z
collection OJS
language Ukrainian
topic deep learning
low pass filter
convolutional neural networks
metamaterials
spellingShingle deep learning
low pass filter
convolutional neural networks
metamaterials
Krysenko, Pavlo
The problem of prediction of the transmission coefficient using neural networks with a limited quantity of data
topic_facet deep learning
low pass filter
convolutional neural networks
metamaterials
глибоке навчання
фільтр низьких частот
згорткова нейронна мережа
метаматеріали
format Article
author Krysenko, Pavlo
author_facet Krysenko, Pavlo
author_sort Krysenko, Pavlo
title The problem of prediction of the transmission coefficient using neural networks with a limited quantity of data
title_short The problem of prediction of the transmission coefficient using neural networks with a limited quantity of data
title_full The problem of prediction of the transmission coefficient using neural networks with a limited quantity of data
title_fullStr The problem of prediction of the transmission coefficient using neural networks with a limited quantity of data
title_full_unstemmed The problem of prediction of the transmission coefficient using neural networks with a limited quantity of data
title_sort problem of prediction of the transmission coefficient using neural networks with a limited quantity of data
title_alt Проблематика прогнозування коефіцієнта пропускання за допомогою нейронних мереж з обмеженою кількістю даних
description The article discusses available approaches to predicting the transmission coefficient of metamaterials. In the paper was proposed different approaches that create the possibility of using data from various open sources, as well as the possibility of encoding complete structural information about the composition of metamaterials. A neural network with two inputs was designed, which is based on a three-dimensional convolution operation. Using these approaches, the training of an artificial neural network was carried out, and the results of transmission coefficient prediction were presented. The nature of metamaterial use can be determined by the predicted coefficient, but the resulting root mean square error still does not allow using such a neural network as a substitute for existing approaches. The paper presents an analysis of the obtained results, in which possible approaches to solving the problem of the amount of data are proposed, as well as solving the problem of different intervals of electromagnetic radiation in the dataset using the architecture of a three-dimensional transformer.
publisher Kyiv National University of Construction and Architecture
publishDate 2025
url https://es-journal.in.ua/article/view/328625
work_keys_str_mv AT krysenkopavlo theproblemofpredictionofthetransmissioncoefficientusingneuralnetworkswithalimitedquantityofdata
AT krysenkopavlo problematikaprognozuvannâkoefícíêntapropuskannâzadopomogoûnejronnihmerežzobmeženoûkílʹkístûdanih
AT krysenkopavlo problemofpredictionofthetransmissioncoefficientusingneuralnetworkswithalimitedquantityofdata
first_indexed 2025-07-17T11:20:01Z
last_indexed 2025-09-17T09:27:01Z
_version_ 1850411432974221312

Схожі ресурси