Comparative Evaluation of Machine Learning and Deep Learning Models for Wound-Rotor Synchronous Motor Performance Prediction
Deze studie presenteert een uitgebreide benchmark van acht machine learning- en deep learning-modellen voor het voorspellen van de prestaties van een wikkelsynchronous motor, waarbij wordt aangetoond dat op neurale netwerken gebaseerde architecturen, met name de FT-Transformer, boomgebaseerde modellen aanzienlijk overtreffen in nauwkeurigheid en computationele snelheid, terwijl ze tegelijkert formaat bieden aan een robuust multi-seed reproduceerbaarheidsprotocol en een Pareto-analyse van de kosten-nauwkeurigheid-afwegingen.