| dc.contributor.author | Ковалевський, С. В. | uk |
| dc.contributor.author | Кузьменко, П. А. | uk |
| dc.date.accessioned | 2025-10-03T08:25:21Z | |
| dc.date.available | 2025-10-03T08:25:21Z | |
| dc.date.issued | 2025 | |
| dc.identifier.citation | | uk |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/49570 | |
| dc.description.abstract | У роботі представлено новий підхід до класифікації технологічних методів формування функціональних робочих поверхонь деталей машин з використанням нейромережних моделей та системного аналізу. | uk |
| dc.description.abstract | The article presents a novel approach to the classification of technological methods for forming functional working surfaces of machine parts using neural network models and system analysis. | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | // Матеріали LIV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/all-fmt/all-fmt-2025/paper/view/24318 | |
| dc.subject | функціональні поверхні | uk |
| dc.subject | інтелектуальна класифікація | uk |
| dc.subject | нейромережні моделі | uk |
| dc.subject | системнийаналіз | uk |
| dc.subject | технологічні методи | uk |
| dc.subject | functional surfaces | uk |
| dc.subject | intelligent classification | uk |
| dc.subject | neural network models | uk |
| dc.subject | system analysis | uk |
| dc.subject | technologicalmethods | uk |
| dc.title | Інтелектуальна класифікація технологічних методів формування функціональних робочих поверхонь деталей машин | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 621.9.048.7:004.032.26 | |
| dc.relation.references | Linke, H., Brner, J., He, R. Load Capacity and Running Performance of External and Internal Gearing / Heinz Linke, Jrg Brner, Ralf He // Cylindrical Gears / Ed. by H. Linke, J. Brner, R. He. Munich : Hanser, 2016. P. 177457. ISBN 978-1-56990-489-3. DOI: https://doi.org/10.3139/9781569904909.006. | |
| dc.relation.references | Vereschaka A., Volosova M., Sitnikov N., Andreev N., Milovich F., Bublikov J. Filtered cathodic vacuum arc deposition (FCVAD) technology as method for creation of nanostructured multicomponent modifying coatings for wide application range. Procedia CIRP. 2020. Vol. 95. P. 9991003. DOI: https://doi.org/10.1016/j.procir.2020.01.201. | |
| dc.relation.references | Taheri Kahnamouei J., Moallem M. Advancements in control systems and integration of artificial intelligence in welding robots: A review. Ocean Engineering. 2024. Vol. 312, Pt. 3. Article 119294. ISSN 0029-8018. DOI: https://doi.org/10.1016/j.oceaneng.2024.119294. | |
| dc.relation.references | Valizadeh Sotubadi, S., Pallissery, S. S., Nguyen, V. Multi-Modal Explainable Artificial Intelligence for neural network-based tool wear detection in machining. Engineering Applications of Artificial Intelligence. 2025. Vol. 144. Art. 110141. DOI: https://doi.org/10.1016/j.engappai.2025.110141. | |
| dc.relation.references | Qian K., Zou L., Wang Z., Wang W. Metallic surface defect recognition network based on global feature aggregation and dual context decoupled head. Applied Soft Computing. 2024. Vol. 158. Article 111589. DOI: https://doi.org/10.1016/j.asoc.2024.111589. 6. Yang Huguang, Zheng Han, Zhang Taohong. A review of artificial intelligent methods for machined surface roughness prediction. Tribology International. 2024. Vol. 199. Article 109935. DOI: https://doi.org/10.1016/j.triboint.2024.109935. | |
