تطبيق الشبكات العصبية الاصطناعية للتنبؤ بمعدل النمو لأفلام أكسيد الزنك الرقيقة

الملخص

في هذا البحث تم استخدام الشبكات العصبية الاصطناعية للتنبؤ بمعدل النمو لأفلام أكسيد الزنك الرقيقة. وبصفة خاصة تم التركيز على تطبيق اثنان من اللوغاريتمات الأكثر شيوعا وهي scaled conjugate gradient (SCG) و gradient descent (GD).  بعد عملية تدريب واختبار البيانات لنماذج الشبكات العصبية الاصطناعية تم اجراء تحليل احصائي لتقييم أداء وفعالية كل نموذج عل حدة. تمت المقارنة بين نتائج الشبكات العصبية الاصطناعية وفقا للمؤشرات الإحصائية التالية: الجذر التربيعي لمتوسط مربعات الخطأ (RMSE)، معامل التحديد (R2)، الخطأ النسبي (r). بناءا على النتائج المستخلصة يعتبر النموذج (1) لطريقة SCG الأكثر أداء حيث ان (RMSE=0.483) والأفضل تطابقا (R2 =0.297). بالإضافة الي ان النموذجان (5) و (7) لطريقة GD كان لهما اعلي قيم لمعامل التحديد R2 والتي تدل على الأداء العالي للتنبؤ مقارنة بالنماذج الأخرى. بصورة عامة وجد ان نماذج الطريقة GD هي الأكثر فعالية مع معدلات عالية لمعامل التحديد R2 واخري منخفضة لكل من RMSE و r.