Vol.26, Special Issue A, 2026, pp. S15–S21
https://doi.org/10.69644/ivk-2026-siA-0015 

UPOREDNA ANALIZA TAČNOSTI NEURONSKE MREŽE I ANALITIČKIH METODA U MODELIRANJU ZAMORNOG LOMA TITANIJUMSKE LEGURE

Iryna Didych* , Oleh Yasniy , Dmytro Tymoshchuk , Oleksandr Holotenko , Viktor Boichun

Department of Computer-Integrated Technologies, Ternopil Ivan Puluj National Technical University, Ternopil, UKRAINE

 I. Didych https://orcid.org/0000-0003-2846-6040 ; O. Yasniy https://orcid.org/0000-0002-9820-9093 ;

D. Tymoshchuk https://orcid.org/0000-0003-0246-2236 ; O. Holotenko https://orcid.org/0000-0001-9251-8760 ;

V. Boichun https://orcid.org/0009-0008-5540-5431

*email: iryna.didych1101@gmail.com

 

Izvod

U ovom radu izvodi se modeliranje brzina rasta zamorne prsline pomoću neuronske mreže i upoređuje sa analitičkim modelima, odnosno Parisovim zakonom i polinomijalnim log-regresijama drugog do petog stepena. Za procenu tačnosti modeliranja korišćeni su koeficijent determinacije R2, srednja apsolutna greška (MAE) i srednja apsolutna procentualna greška (MAPE). Rezultati pokazuju da oba pristupa, posebno klasični analitički modeli i neuronska mreža, obezbeđuju veliku tačnost aproksimacije eksperimentalnih podataka. Istovremeno, neuronska mreža je pokazala prednost u oblasti visokih vrednosti K, gde se uočava nelinearno ubrzanje rasta prsline, dostižući koeficijent determinacije R2 u iznosu 0,9994. Predstavljeni pristup potvrđuje efikasnost primene metoda mašinskog učenja, posebno neuronskih mreža, u problemima mehanike loma i analize zamora.

Ključne reči: • brzina rasta zamorne prsline • veštačka inteligencija • mašinsko učenje • potpomognuta stabla odlučivanja

rad u celosti (713 kB)