公共文化服务平台

搜索到2009篇“ 人工神经元网络“的相关文章

人工神经元网络模型预测3D打印部件力学性能的研究: 2024年; 熔融沉积成型(FDM)是一种高效的增材制造技术。将响应面模型与人工神经元网络(ANN)模型相结合,研究了FDM工艺的喷嘴温度、层高和层积角度对尼龙12(PA12)丝材制造部件力学性能的影响。当喷嘴温度、层高和层积角度分别在220~260℃、0.2~0.4 mm、0°~90°之间变化时,部件拉伸强度和缺口冲击强度分别在35.69~60.89 MPa和5.48~19.83 kJ/m^(2)之间。喷嘴温度、层高、层积角度以及层积角度的二阶效应是影响部件拉伸强度的显著因素;喷嘴温度、层积角度以及层积角度的二阶效应是影响缺口冲击强度的显著因素。ANN模型预测拉伸强度和缺口冲击强度的最优结构分别是3-10-5-1和3-25-24-1,预测的拉伸强度和缺口冲击强度均方误差函数(MSE)最低分别为2.54×10^(-4)和2.07×10^(-4),回归系数均在0.97以上。与响应面的二次回归模型相比,ANN模型预测的拉伸强度和缺口冲击强度与实验值的标准偏差分别为0.46和0.32,远低于二次回归模型的2.43和1.58,更适合于优化非线性的FDM工艺。; 吕志敏江豪; 关键词：3D打印熔融沉积成型人工神经元网络力学性能

人工神经元网络和径向基网络模型预测建筑冷热负荷的研究: 2024年; 采用人工神经元网络(ANN)和径向基网络(RBF)模型预测了建筑冷热负荷,判断了影响建筑能耗的显著因素。通过对ANN和RBF模型隐含层神经元数量进行优化,发现8-65-1和8-97-1结构的ANN模型预测建筑热、冷负荷与数据集中的结果比较吻合,相关系数(R^(2))分别为0.962、0.953;8-28-1和8-6-1结构的RBF模型预测的结果更加吻合,R^(2)达到了0.985、0.997。RBF模型的预测精度要优于ANN模型,RBF模型预测热、冷负荷与数据集结果的R^(2)分别为0.989、0.992,而ANN的R^(2)分别为0.972、0.967。采用敏感性分析发现,影响建筑冷热负荷的8个参数中表面积的影响最显著,其次是墙面积、屋顶面积和玻璃面积,而玻璃面积分布及相对密实度的影响最不显著。; 丁治雄吴观华陈智刚; 关键词：径向基网络人工神经元网络建筑

具有以二进制量化的至少一个单位单元的人工神经元网络: 本公开涉及具有以二进制量化的至少一个单位单元的人工神经元网络。人工神经网络包括单位单元。单位单元包括第一二进制二维卷积层，其被配置为接收输入张量并生成第一张量。第一批量归一化层被配置为接收第一张量并生成第二张量。级联层被...; P·德马雅L·福里奥特

经训练的人工神经元网络的变换过程: 公开了经训练的人工神经元网络的变换过程。根据一个方面，提出了一种变换经训练的人工神经网络的方法，该经训练的人工神经网络包括二进制卷积层，然后是池化层，然后是批归一化层，该方法包括获得经训练的人工神经网络，并对经训练的人工...; L·福里奥特P·德马雅

基于人工神经元网络模型预测混凝土抗压强度: 2023年; 28 d抗压强度是混凝土应用过程中重要的强度指标。本文采用人工神经元网络模型(ANN)对加入了高炉矿渣和粉煤灰的混凝土28 d抗压强度进行了预测,研究了ANN隐含层数、传递函数类型和优化算法对抗压强度预测结果的影响,发现采用单一隐含层的7-23-1网络结构、隐含层和输出层均采用purelin传递函数、trainlm算法进行计算,建立的ANN结构最佳,仅需0.29 s、经过3个历元,预测值的MSE就能降到0.004左右,训练、验证和测试阶段ANN的预测结果与试验结果回归曲线斜率均大于97%,两者十分吻合。; 李风增; 关键词：混凝土抗压强度人工神经元网络

用于提供人工神经元网络的装置、系统和方法: 本发明涉及一种用于提供人工神经元网络(200)的装置(10)，具有：‑至少一个光学神经元部件(220)，用于提供网络(200)的神经元(251)，其中，神经元部件(220)具有微谐振器(240)，以便以非线性相关于神经元...; H·G·库尔兹

基于人工神经元网络预测增韧尼龙11拉伸行为: 2023年; 以马来酸酐接枝乙烯辛烯共聚物(POE-g-MAH)为相容剂,采用熔融共混法,制备了PA11/POE/POE-g-MAH三元共混物,利用ANN模型预测了三元共混物拉伸应力-应变曲线。POE-g-MAH与PA11原位生成嵌段共聚物,分散相POE在尼龙基体中的粒径在200~400 nm范围内,显著提高了材料的缺口冲击强度。当ANN模型采用3-47-1结构、隐含层和输出层传递函数分别为logsig和线性函数、优化算法为trainbr时,预测的三元共混物应力值与实验值的MSE最低,其值为2.43×10^(-7)。利用样品1、3、5、7的应力-应变曲线训练的ANN模型可以预测样品2、4、6的拉伸曲线,预测值与实验值的MSE在10^(-4)数量级,该模型的预测精度和泛化能力较好。; 李钦召尚展垒; 关键词：尼龙11 增韧人工神经元网络应力-应变曲线

基于人工神经元网络的PA6/POE/POE-g-MAH共混物力学性能预测: 2023年; 将人工神经元网络与全析因实验设计相结合,预测了PA6/POE/POE-g-MAH三元共混物的拉伸和缺口冲击强度,研究了注塑温度、注射速度、注射时间和冷却时间对共混物以上力学性能的影响。结果表明,当三元共混物质量比为74.5/20/5/0.5时,材料的缺口冲击强度均大于95 kJ/m^(2),POE分散相粒径约为200~400 nm。通过析因实验设计发现,注塑温度、注射速度以及两者的交互效应对共混物拉伸强度影响显著,注塑温度、冷却时间以及两者的交互效应是影响冲击强度的显著因素。采用4-14-1的ANN模型可以较好地预测三元共混物拉伸强度和缺口冲击强度,预测结果与实验结果回归曲线的斜率均大于97%。与多元线性回归模型相比,ANN模型预测性能明显更佳,其Pearson相关系数大于0.97。; 冯婷婷赖元文; 关键词：人工神经元网络缺口冲击强度

人工神经元网络在甲烷催化转化反应中的研究进展: 2022年; 人工神经元网络(ANN)是一种通过模拟大脑处理信息的方式发展起来的数据处理技术,在石油和天然气领域中被广泛用于产量预测、甲烷物性计算、甲烷吸附与分离以及甲烷催化转化等领域。针对甲烷催化转化领域,综述了近年来ANN技术在甲烷干重整、蒸汽重整、联合重整和氧化偶联反应中的应用进展,结果表明:ANN在预测甲烷转化率、产物收率等方面具有准确性好、泛化能力强、鲁棒性好的优点,在催化工艺优化、催化剂组成优化等方面也有很好的应用,对该领域存在的问题以及未来的研究方向进行了总结和展望。; 牛晓旭; 关键词：人工神经元网络甲烷蒸汽重整氧化偶联

一种应用人工神经元网络的模锻工艺智能决策方法: 本发明公开了一种应用人工神经元网络的模锻工艺智能决策方法，根据实际的模锻锻造工艺，采用模锻件的锻件信息作为工艺决策的依据，对锻件的工艺参数、坯料参数等进行智能决策。采用水平正交试验的方法确定不同种类及规格模锻件最佳的工艺...; 初红艳姜思宇程强赵凯林; 文献传递

相关作者