Comparative Evaluation of Machine Learning and Deep Learning Models for Wound-Rotor Synchronous Motor Performance Prediction
Este estudo apresenta um benchmark abrangente de oito modelos de aprendizado de máquina e aprendizado profundo para a previsão do desempenho de motores síncronos de rotor de bobina, demonstrando que arquiteturas baseadas em redes neurais, particularmente o FT-Transformer, superam significamente os modelos baseados em árvores em precisão e velocidade computacional, ao mesmo tempo em que oferecem um protocolo de reprodutibilidade de múltiplas sementes robusto e uma análise de Pareto das compensações entre custo e precisão.