Influence of Hyperparameters Choice for Neural Flux Linkage Model of Synchronous Machines

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23220%2F23%3A43969716" target="_blank" >RIV/49777513:23220/23:43969716 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
Influence of Hyperparameters Choice for Neural Flux Linkage Model of Synchronous Machines
Popis výsledku v původním jazyce
A proper choice of hyperparameters is crucial in machine learning approaches. In this paper, we investigate the influence of hyperparameters of a neural flux linkage model on a quality of this model and model’s prediction capabilities. Specifically, we compare several different setups for number of hidden layers and number of neurons in these layers. The universal NeuralODE architecture is used for the neural flux linkage model. The results are validated on a real data of IPMSM.
Název v anglickém jazyce
Influence of Hyperparameters Choice for Neural Flux Linkage Model of Synchronous Machines
Popis výsledku anglicky
A proper choice of hyperparameters is crucial in machine learning approaches. In this paper, we investigate the influence of hyperparameters of a neural flux linkage model on a quality of this model and model’s prediction capabilities. Specifically, we compare several different setups for number of hidden layers and number of neurons in these layers. The universal NeuralODE architecture is used for the neural flux linkage model. The results are validated on a real data of IPMSM.

Rok uplatnění
2023
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)