Подробное описание документа

Жбейли Б., Панфилова Е. В.
   Обзор и анализ актуального опыта использования нейронных сетей для построения моделей процессов осаждения тонких пленок = Review And Analysis of Current Experience in Using Neural Networks to Build Models Of Thin Film Deposition Processes / Жбейли Б., Панфилова Е. В. // Наука, технологии и бизнес : материалы 6-ой Межвузовской конференции аспирантов, соискателей и молодых учёных, Москва, 16-18 апреля 2024 года / МГТУ им. Н. Э. Баумана (национальный исследовательский университет). - М., 2024. - С. 181-186.

Многие жизненно важные сферы экономики (пищевая промышленность, медицина, экологический мониторинг, безопасность и т. д.) нуждаются в быстрой, недорогой, безопасной и многоразовой системе идентификации газов, обладающей достаточной чувствительностью и селективностью. Большинство коммерчески доступных решений газовых сенсоров являются электронными и фотонными, основным элементом их структуры являются тонкопленочные газочувствительные слои. Предложен анализ основных принципов создания нейросетевой системы управления и контроля процессов осаждения тонких пленок. Проанализированы различные архитектуры неглубоких нейронных сетей, такие как линейная, радиально-базисная функция и многослойный персептрон.
Ключевые слова: нейронные сети, радиально-базисная функция, многослойный персептрон, тонкие пленки, газовый сенсор
Many vital areas of the economy (food industry, medicine, environmental monitoring, security, etc.) need a fast, inexpensive, safe and reusable gas identification system with sufficient sensitivity and selectivity. Most commercially available gas sensor solutions are electronic and photonic, and the main element of their structure is thin-film gas sensing layers. The article offers an analysis of the basic principles of creating a neural network system for controlling and monitoring the processes of thin film deposition. We analyzed various architectures of shallow neural networks, such as: linear, radial basis function and multilayer perceptron.
Keywords: neural networks, radial basis function, multilayer perceptron, thin films, gas sensor