ນັກວິທະຍາສາດຂອງ Pym Polytechnic ໄດ້ພັດທະນາໂມດູນທີ່ສະຫຼາດສໍາລັບການຄຸ້ມຄອງລະບົບການສະຫນອງຄວາມຮ້ອນໃນທ້ອງຖິ່ນ. Neuralati ຈະຊ່ວຍຢ່າງຖືກຕ້ອງແລະວ່ອງໄວຄິດໄລ່ອຸນຫະພູມຂອງ coolant ຢູ່ໃນການທ່ອງທ່ຽວຂອງຫ້ອງ boil ໄດ້. ເຕັກໂນໂລຢີອະນຸຍາດໃຫ້ທ່ານສາມາດຮັກສາມັນໄດ້ໃນແງ່ຂອງຜູ້ບໍລິໂພກ, ຫລີກລ້ຽງຄວາມບໍ່ສົມເຫດສົມຜົນທີ່ບໍ່ສົມເຫດສົມຜົນຂອງເຄື່ອງເຮັດຄວາມເຢັນແລະປະຫຍັດເງິນໃນການໃຫ້ຄວາມຮ້ອນ. ການພັດທະນາບໍ່ມີການປຽບທຽບໃນປະເທດຣັດເຊຍເທື່ອ.
ໃນປັດຈຸບັນຫນ່ວຍຄວບຄຸມແມ່ນຖືກນໍາໃຊ້ຢ່າງກວ້າງຂວາງ, ເຊິ່ງສະຫນັບສະຫນູນອຸນຫະພູມທີ່ລະບຸໄວ້ໃນອັດຕາສ່ວນຂອງຫ້ອງຮັບແຂກ. ຄຸນຄ່າທີ່ຈໍາເປັນກໍານົດຜູ້ປະກອບການ, ສ່ວນໃຫຍ່ແມ່ນສຸມໃສ່ບາຫຼອດແລະຄໍາຕິຊົມທີ່ມີຢູ່. ການພັດທະນາຂອງພວກເຮົາແມ່ນກ່ຽວຂ້ອງກັບການຄວບຄຸມໂດຍໃຊ້ເຄືອຂ່າຍ neural ດັ່ງກ່າວ, ເຊິ່ງໃຊ້ໃນການຄິດໄລ່ບໍ່ພຽງແຕ່ມູນຄ່າຂອງອຸນຫະພູມອາກາດລ້ອມຮອບເທົ່ານັ້ນ, ແຕ່ຍັງມີການຄາດຄະເນທີ່ສົມເຫດສົມຜົນ. ສິ່ງນີ້ຊ່ວຍໃຫ້ທ່ານສາມາດປະເມີນຄວາມຫມັ້ນຄົງຂອງອຸນຫະພູມຂອງຜູ້ໃຫ້ຄວາມຊັກຊ້າ, ອາຈານສອນວິທະຍາສາດຄອມພິວເຕີ້, ຜູ້ສະຫມັກວິທະຍາສາດດ້ານວິຊາການ Vladimir onistkiv.
ສໍາລັບການສອນ Neuralo, ນັກວິທະຍາສາດໄດ້ໃຊ້ຂໍ້ມູນສະຖິຕິເປັນຈໍານວນຫລວງຫລາຍ. ມັນປະກອບມີອຸນຫະພູມເຮັດໃຫ້ອາຫານປະເພດເຮັດໃຫ້ນ້ໍາມັນຢູ່ໃນຈຸດຕ່າງໆຂອງເຄືອຂ່າຍຄວາມຮ້ອນແລະອຸນຫະພູມອາກາດລ້ອມຮອບ.
ນັກວິທະຍາສາດໄດ້ທົດລອງໃຊ້ໂມດູນທີ່ສະຫຼາດໂດຍການພິມຢູ່ໃນຊອບແວແລະລະບົບຄວບຄຸມ Aurora ອັດຕະໂນມັດ. ຄວາມສົມດຸນຄວາມຮ້ອນໃນການບໍລິການທີ່ພັກອາໄສແລະການບໍລິການຊຸມຊົນ, ເຊິ່ງໄດ້ພັດທະນາແລະນໍາໃຊ້ບໍລິສັດຫນຶ່ງໃນບໍລິສັດຂອງອານາເຂດຂອງ Perm. ດ້ວຍເຫດນັ້ນ, ສະລັບສັບຊ້ອນຊ່ວຍໃຫ້ທ່ານສາມາດປັບອຸນຫະພູມຂອງເຄື່ອງເຮັດຄວາມເຢັນໂດຍອັດຕະໂນມັດທີ່ຫ້ອງນ້ໍາຂອງຫ້ອງຮັບອາຫານ, ໃຫ້ການຄາດຄະເນວ່າຈະປ່ຽນສະພາບດິນຟ້າອາກາດ.
ເພື່ອຮັບປະກັນສະພາບຄວາມຮ້ອນທີ່ສະບາຍໃນບ້ານຜູ້ບໍລິໂພກ, ອົງການສະຫນອງຄວາມຮ້ອນຕ້ອງຕິດຕາມກວດກາສະພາບອຸນຫະພູມຂອງເຄືອຂ່າຍຂອງເຄືອຂ່າຍ. ແຕ່ການບໍລິການນີ້ແມ່ນຍັງບໍ່ສາມາດໃຊ້ໄດ້ສໍາລັບບໍລິສັດຄວາມຮ້ອນທີ່ສຸດ, ສະນັ້ນພວກເຂົາຮັບປະກັນຄວາມສ່ຽງຂອງພວກເຂົາ, ຮັກສາອຸນຫະພູມຂົນສົ່ງຄວາມຮ້ອນສູງກວ່າ. ດ້ວຍເຫດນັ້ນ, ຊາວເມືອງມັກຖືກບັງຄັບໃຫ້ຈ່າຍຄ່າໃຊ້ຈ່າຍຫຼາຍເກີນໄປ, ອະທິບາຍນັກຄົ້ນຄວ້າ.
ອີງຕາມນັກວິທະຍາສາດ, ການນໍາໃຊ້ເຄືອຂ່າຍ neural ໃນຂະບວນການຄວບຄຸມເຄືອຂ່າຍຄວາມຮ້ອນຊ່ວຍໃຫ້ທ່ານສາມາດປະຫຍັດນໍ້າມັນໄດ້ແລະປ້ອງກັນບໍ່ໃຫ້ມັນໃຊ້ນໍ້າມັນ. ດ້ວຍການປ່ຽນແປງດິນຟ້າອາກາດຢ່າງກະທັນຫັນ, ຜົນກະທົບນີ້ຈະມີຄວາມສໍາຄັນໂດຍສະເພາະ. ເງິນຝາກປະຢັດຂອງອາຍແກັສສາມາດບັນລຸໄດ້ 10-15%, ຂື້ນກັບອຸນຫະພູມອາກາດພາຍນອກແລະສະພາບຂອງເຄືອຂ່າຍຄວາມຮ້ອນໂດຍລວມ.
ເຄືອຂ່າຍ neural multilayer ແລະເຄືອຂ່າຍການຮຽນຮູ້ຢ່າງເລິກເຊິ່ງສາມາດຄາດເດົາໄດ້ອຸນຫະພູມທີ່ມີຄວາມຈໍາເປັນ, ໃຫ້ການພະຍາກອນອາກາດແລະຄຸນລັກສະນະຂອງການເຄື່ອນໄຫວທີ່ເຢັນ.
ໃນຂະບວນການສ້າງໂມດູນທີ່ສະຫຼາດ, ນັກວິທະຍາສາດໄດ້ວິເຄາະປະເພດເຄືອຂ່າຍ neural ປະເພດຕ່າງໆ. ສະຖາປັດຕະຍະກໍາສຸດທ້າຍປະກອບມີ 224 neurons, ໄດ້ສັ່ງເປັນສາມຊັ້ນ. ອຸນຫະພູມທີ່ຄິດໄລ່ຂອງເຄື່ອງເຮັດຄວາມເຢັນຢູ່ທີ່ຫ້ອງໂຖງຂອງຫ້ອງຕົ້ມບັນຈຸຄຸນຄ່າຂອງອຸນຫະພູມເຫຼົ່ານັ້ນຢູ່ທາງເຂົ້າບ້ານທີ່ມີມາດຕະຖານທີ່ຈໍາເປັນ.