Resumen

La magnesita es una materia prima importante para extraer magnesio metálico y compuesto de magnesio; la precisión de su clasificación por grados ejerce una gran influencia en el proceso de fundición. Por lo tanto, cada vez es más importante determinar con rapidez y precisión el grado de magnesita. En este artículo, se establece un método basado en el autoencoder apilado (SAE) y la máquina de aprendizaje extremo (ELM) para el modelo de clasificación de la magnesita. En primer lugar, se utilizó el autoencoder apilado (SAE) para reducir la dimensión de los datos del espectro de magnesita y, a continuación, se adoptó el modelo de red neutra de la máquina de aprendizaje extremo (ELM) para clasificar los datos. Se emplearon dos modelos mejorados de máquina de aprendizaje extremo (ELM) para mejorar la clasificación, a saber, la máquina de aprendizaje extremo de precisión (AELM) y la precisión integrada (IELM) para construir los modelos de clasificación. La clasificación del grado mediante métodos tradicionales como los enfoques químicos, los métodos artificiales y el modelo de red neutral BP se comparó con la de este trabajo. Los resultados mostraron que el modelo de clasificación de mineral de magnesita mediante autoencoder apilado (SAE) y máquina de aprendizaje extremo (ELM) es mejor en términos de velocidad y precisión; por lo tanto, este trabajo proporciona una nueva vía para la clasificación de la ley del mineral de magnesita.

• Materias:Biotecnología Redes de sensores Sistema de sensores Diagnóstico de fallas Tecnología de sensores Diagnóstico de fallos
• Subjects:Biotechnology Sensor networks Sensor system Fault diagnosis Sensor technology
• Palabras claves:máquina de aprendizaje extremo, modelo de red neutra, clasificación de grado, elm, sae, autoencoder, papel, modelo de clasificación, mineral de magnesita, precisión máquina de aprendizaje extremo
• Keywords:extreme learning machine, neutral network model, grade classification, elm, sae, autoencoder, paper, classification model, magnesite ore, accuracy extreme learning machine