Краткое содержание

arXiv:2511.08117v1 Тип объявления: новый Аннотация: Машинное обучение обладает значительным потенциалом для оптимизации различных промышленных процессов. Однако сбор данных остается серьезной проблемой, поскольку он требует значительных временных затрат и финансовых ресурсов. Синтетические данные предлагают перспективное решение проблемы недостаточного объема данных и повышения надежности моделей машинного обучения. В данной работе мы исследуем возможность включения синтетических данных в процесс обучения модели литьевого формования, используя существующую архитектуру сети долгой краткосрочной памяти (LSTM). Наш подход заключается в генерации синтетических данных путем моделирования производственных циклов и добавления их в набор тренировочных данных. Путем итерационного экспериментирования с различными пропорциями синтетических данных мы пытаемся найти оптимальный баланс, который максимизирует преимущества от использования синтетических данных, одновременно сохраняя достоверность и релевантность реальных данных. Полученные результаты показывают, что включение синтетических данных улучшает способность модели справляться...