我必须优化一个依赖于大量变量的过程的结果,即激光雕刻系统,其中雕刻深度取决于激光的速度、距离、功率等。
最后的目标是减少雕刻时间,或最大限度地提高激光速度。所有其他参数都可能不同,但必须保持在安全范围内。
我从未使用过任何机器学习工具,但就我有限的知识而言,这似乎是TensorFlow或其他机器学习库的一个很好的用例。
我会通过实验收集数据点来训练算法,测试它,然后使用梯度下降优化器来寻找参数(在一定范围内),以最大限度地提高激光旅行速度。
这听起来可行吗?你会如何处理这样的问题?你能链接到任何在线提供的例子吗?
谢谢,
里卡多
发布于 2022-05-19 09:39:18
我不太确定我是否正确地理解了这个问题,您会添加一些示例数据和所需的输出吗?
据我所知,使用TensorFlow是可行的,但我相信有更好的解决方案来解决这个问题。让我详述一下这一点。
TensorFlow是一个致力于开发深度学习模型的框架。这些通常需要大量的数据(数字实际上取决于问题),但我不认为仅仅手工收集这些数据就足够了,除非您的团队很大,或者已经收集了一些数据。
此外,由于给定变量在已知范围内存在最小化(或最大化)问题,我认为这可能是运筹学优化的情况,而不是机器学习。检查这个OR的示例。
https://stackoverflow.com/questions/72280422
复制相似问题