ỨNG DỤNG THUẬT TOÁN KNN TRONG CHẨN ĐOÁN VÀ DỰ BÁO HƯ HỎNG HỘP SỐ TỰ ĐỘNG
Bibliographic record
Abstract
Nghiên cứu này mô phỏng các dạng hư hỏng của hộp số tự động trong điều kiện vận hành của xe ô tô tại Việt Nam bằng phần mềm Simulation-X, qua đó xây dựng bộ dữ liệu về đặc tính vận hành và lỗi thường gặp. Trên cơ sở đó, hai nhóm mô hình học máy (Machine Learning) dựa trên thuật toán K-nearest neighbors (KNN) được phát triển: (1) mô hình phân loại hư hỏng với độ chính xác là 92,2% và (2) các mô hình hồi quy dự báo mức hao tổn cơ khí hoặc thủy lực với hệ số xác định R2 xấp xỉ 1.0, vượt xa các mô hình hồi quy tuyến tính truyền thống. Kết quả đánh giá cho thấy các mô hình KNN có khả năng chẩn đoán và dự báo hiệu quả, đồng thời gợi ý tiềm năng ứng dụng trong giám sát thời gian thực, nâng cao khả năng chẩn đoán sớm và tối ưu hóa bảo dưỡng, sửa chữa hộp số tự động trên xe ô tô.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.002 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.004 | 0.008 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.014 | 0.007 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".