文献

J-GLOBAL ID：202202273614989791   整理番号：22A1162160

人工ニューラルネットワークによる合金特性モデリングにおけるデータ工学,フレームワーク選択および個別要素寄与の考察【JST・京大機械翻訳】

Data engineering, framework selection, and individual element contribution consideration in the alloy properties modeling by an artificial neural network

著者 (3件)： Tarasov Dmitry (Ural Federal University, Yekaterinburg, Russia) ,  Tyagunov Andrey (Ural Federal University, Yekaterinburg, Russia) ,  Milder Oleg (Ural Federal University, Yekaterinburg, Russia)
資料名： AIP Conference Proceedings  (AIP Conference Proceedings)
巻： 2425  号： 1  ページ： 130018-130018-4  発行年： 2022年 
JST資料番号： D0071C  ISSN： 0094-243X  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 合金特性のモデル化は,多くの非相関要因がモデルにおいて考慮されなければならないので,非自明な科学的および工学的タスクである。合金組成は,数から数十の化学成分を含む。材料の機械的,化学的および磁気的性質は,密度,電気伝導率などと共に,組成に明確な依存性を持たない。ある特性への元素の個々の寄与は,あまり研究されていない,しかし,対,三重,その他の組成は,一般的な解析モデルを持たない。比較的新しいモデリングツールとしての人工ニューラルネットワーク(ANNs)は,多くの陰的相関を考慮することを可能にし,他の,より一般的な数学的方法で同定できない対応を確立する。しかし,ANNは必ずしも良好なモデリング精度を提供しない。モデル性能は,選択された構成,訓練方法,適切に形成されたデータなどに依存する。データ工学は,しばしば十分なモデラーの注意を引き付けないが,すなわち,これは,その相対的単純性と性能を維持しながら,モデルの精度を著しく増加させるかもしれない。本研究は,ニッケル合金の例について,非常に合金化した金属組成の性質のモデリングにおける形態選択とデータ工学の組合せに専念した。Copyright 2022 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *合金 ,  電気伝導率 ,  磁気的性質 ,  ニッケル合金 ,  *ニューラルネットワーク ,  精度 ,  選択 ,  *モデリング ,  モデル ,  合金化 ,  解析モデル
準シソーラス用語： 化学成分 ,  合金組成 , 【Automatic Indexing@JST】

分類 (1件)： 機械的性質  (WB02030U)

タイトルに関連する用語 (6件)： 人工ニューラルネットワーク ,  合金 ,  モデリング ,  データ工学 ,  フレームワーク ,  要素