"TabNet" 태그로 연결된 1개 게시물개의 게시물이 있습니다.

논문 정보​

• 제목: Explainable AI for Material Property Prediction Based on Energy Cloud: A Shapley-Driven Approach
• 저자: Faiza Qayyum (Jeju National University), Murad Ali Khan (Jeju National University), Do-Hyeun Kim (Jeju National University), Hyunseok Ko (Korea Institute of Ceramic Engineering and Technology), Ga-Ae Ryu (Korea Institute of Ceramic Engineering and Technology)
• 학회/저널: Materials, Volume 16, Issue 23, Article 7322
• 발행일: 2023-11-24
• DOI: 10.3390/ma16237322
• 주요 연구 내용: TabNet 딥러닝 프레임워크와 SHAP 기법을 결합하여 PZT(납 지르코늄 티타네이트) 세라믹의 유전율을 예측하고 해석하는 연구
• 주요 결과 및 결론: TabNet 모델이 MSE 0.047, MAE 0.042로 기존 머신러닝 모델 대비 우수한 예측 성능을 달성하였으며, SHAP 분석을 통해 d33(압전 전하 계수)가 유전율 예측에 가장 큰 영향을 미치는 변수임을 확인
• 기여점: 재료 특성 예측에서 딥러닝의 정확도와 XAI의 해석 가능성을 동시에 달성하는 방법론을 제시