يُستخدم لتدريب نموذج تعلم عميق لتحليل البيانات باستخدام مكتبة TensorFlow وKeras. الهدف من الكود هو التنبؤ بـ كفاءة المحولات الكهربائية بناءً على مجموعة من الخصائص الهندسية والتشغيلية.
يتم تحميل البيانات من ملف Excel ومعالجة القيم المفقودة.
يتم تحديد الخصائص المستهدفة للنموذج والمتغير الهدف (كفاءة المحول).
تنقسم البيانات إلى مجموعتي تدريب واختبار، مع إجراء عملية مقياس المعالجة (Scaling).
يتم بناء نموذج التعلم العميق باستخدام بنية طبقات متسلسلة (Sequential) تحتوي على طبقات كثيفة (Dense).
يتم استخدام مقياس الخطأ المطلق النسبي (MAPE) لتقييم فقدان النموذج، ويظهر الرسم البياني تقدم أداء النموذج من حيث فقدان التدريب والتحقق (Loss) ودقة التنبؤ (Accuracy).
النتائج الموضحة بالرسم تشير إلى تقارب جيد بين التدريب والتحقق، مما يدل على أن النموذج قد تم تدريبه بنجاح دون زيادة في التوافق مع بيانات التدريب فقط (Overfitting).
| اسم المستقل | Ali I. |
| عدد الإعجابات | 0 |
| عدد المشاهدات | 20 |
| تاريخ الإضافة | |
| تاريخ الإنجاز |
