检索结果-南通市图书馆

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

机器学习

疯狂英语（新策略） 2022年第10期 26-28,76页

作者：张亚萍甘肃

机器学习是人工智能的核心,它用数据或以往的经验来优化计算机程序的性能,而不需要通过人工干预对其进行明确编程。该技术旨在使计算机更智能、更高效。Machine learning is a way of teaching computers to do tasks.In the past,compu... 详细信息

机器学习是人工智能的核心,它用数据或以往的经验来优化计算机程序的性能,而不需要通过人工干预对其进行明确编程。该技术旨在使计算机更智能、更高效。Machine learning is a way of teaching computers to do tasks.In the past,computers relied on detailed,step⁃by⁃step instructions written by people to do anything.But with machine learning,computers pick up new skills on their own,using examples or experi⁃ence.This makes machine learning a powerful form of artificial intelligence(AI)is the ability of a machine to think or learn like a person.AI systems power many kinds of machines-from smartphones to robots.

关键词：机器学习 smart own

在线全文

学校读者我要写书评

暂无评论

机器学习

机器学习指导相和硬度可控的AlCoCrCuFeNi系高熵合金设计

2016年

作者：周志华

来源：南通市图书馆图书评论

学校读者我要写书评

暂无评论

材料工程 2024年第1期52卷 153-164页

作者：李亚豪叶益聪赵凤媛唐宇朱利安白书欣国防科技大学空天科学学院材料科学与工程系长沙410073

采用机器学习辅助高熵合金设计,致力于解决传统试错实验方法时间周期长、成本高的问题。以经典的AlCoCrCuFeNi系高熵合金为研究对象,采用机器学习方法,分别构建高熵合金的相结构预测模型和硬度预测模型。其中支持向量机模型(SVM)在两个... 详细信息

采用机器学习辅助高熵合金设计,致力于解决传统试错实验方法时间周期长、成本高的问题。以经典的AlCoCrCuFeNi系高熵合金为研究对象,采用机器学习方法,分别构建高熵合金的相结构预测模型和硬度预测模型。其中支持向量机模型(SVM)在两个任务中均有最好的训练表现,最佳的相分类准确率达0.944,硬度预测模型的均方根误差为56.065HV。进一步串联两种机器学习模型,基于样本数据集上下限的成分空间,对AlCoCrCuFeNi系高熵合金同时进行相和硬度的高效预测和筛选,实现新型合金成分的快速设计。实验验证5种新合金符合相预测结果,测试硬度与预测硬度值的RMSE为12.58HV,表明建立的机器学习模型实现对高熵合金相和硬度的高效预测。

关键词：机器学习高熵合金相预测硬度预测成分设计

机器学习辅助2000MPa级弹簧钢成分和热处理工艺开发

在线全文

学校读者我要写书评

暂无评论

金属学报 2023年第11期59卷 1499-1512页

作者：杨累赵帆姜磊谢建新北京科技大学新材料技术研究院现代交通金属材料与加工技术北京实验室北京100083 北京科技大学新材料技术研究院材料先进制备技术教育部重点实验室北京100083 东北轻合金有限责任公司哈尔滨150060 北京科技大学新材料技术研究院北京材料基因工程高精尖创新中心北京100083

通过收集弹簧钢及其他典型淬火+回火型钢铁材料的文献数据,采用面向性能的机器学习设计系统(MLDS)结合实验优化,实现了具备超高强度和良好塑性的新型弹簧钢化学成分及热处理工艺参数的快速设计。所开发的2种新型弹簧钢的抗拉强度分别为2... 详细信息

通过收集弹簧钢及其他典型淬火+回火型钢铁材料的文献数据,采用面向性能的机器学习设计系统(MLDS)结合实验优化,实现了具备超高强度和良好塑性的新型弹簧钢化学成分及热处理工艺参数的快速设计。所开发的2种新型弹簧钢的抗拉强度分别为2183.5和2193.0 MPa、屈服强度分别为1923.0和2024.5 MPa、断后伸长率分别为10.5%和9.7%、断面收缩率分别为42.4%和41.5%。新型弹簧钢的强化方式以晶界强化和位错强化为主,细小的晶粒尺寸和适量的奥氏体使得弹簧钢在具备超高强度的同时保持良好的塑性。与现有同等强度级别的超高强度钢相比,新型弹簧钢具有显著的成本优势和工艺优势。

关键词：弹簧钢超高强热处理机器学习

机器学习辅助钙钛矿薄膜制备工艺优化及特征重要性评估

在线全文

学校读者我要写书评

暂无评论

发光学报 2024年第3期45卷 399-406页

作者：弓箭陈谦李阳马梦恩马玉姣吴绍航刘冲麦耀华五邑大学智能制造学部广东江门529020 暨南大学物理与光电工程学院广东广州510632

钙钛矿太阳能电池仅用十年左右的时间将效率提升至认证的26.1%,非常接近晶硅太阳能电池26.81%的认证效率,展现出巨大的产业化潜力。当前,钙钛矿太阳能电池器件效率还在提升,然而在器件制备过程中,钙钛矿太阳能电池的性能受到许多不可分... 详细信息

钙钛矿太阳能电池仅用十年左右的时间将效率提升至认证的26.1%,非常接近晶硅太阳能电池26.81%的认证效率,展现出巨大的产业化潜力。当前,钙钛矿太阳能电池器件效率还在提升,然而在器件制备过程中,钙钛矿太阳能电池的性能受到许多不可分割的因素影响,传统方法往往采用试错的方式来优化钙钛矿太阳能电池的制备工艺,花费了大量的时间。贝叶斯优化是一种全局优化算法,在解决人工智能的黑盒问题方面取得了很大的成功。本文利用贝叶斯优化算法对钙钛矿层涉及到的碘化铅(PbI2)过量百分比、退火温度、退火时间、真空萃取时间四个工艺参数进行优化选择,显著降低了研发成本,缩短了研发时间。通过五轮实验迭代,累计34组工艺条件,制备出了器件效率为23.56%的反型钙钛矿太阳能电池。

关键词：钙钛矿太阳能电池机器学习工艺优化高效率

在线全文

学校读者我要写书评

暂无评论

机器学习在宇宙线粒子鉴别中的应用

物理学报 2023年第14期72卷 17-25页

作者：刘烨牛赫然李兵兵马欣华崔树旺河北经贸大学管理科学与工程学院石家庄050061 河北师范大学物理学院石家庄050024 中国科学院高能物理研究所粒子天体物理重点实验室北京100049 四川天府新区宇宙线研究中心成都610000

基于热中子探测器实验模拟数据,使用决策树(decision tree,DT)、随机森林(random forest,RF)和BP神经网络(back-propagation neural network,BPNN)构建了宇宙线粒子鉴别机器学习模型,对每种粒子分别使用不同的机器学习算法基于模拟数据... 详细信息

基于热中子探测器实验模拟数据,使用决策树(decision tree,DT)、随机森林(random forest,RF)和BP神经网络(back-propagation neural network,BPNN)构建了宇宙线粒子鉴别机器学习模型,对每种粒子分别使用不同的机器学习算法基于模拟数据进行模型训练,并针对算法进行超参数调整,将每种算法的AUC值和Q品质因子作为粒子成分鉴别的评价指标.实验结果表明,不同机器学习模型对粒子预测精度影响很大.在测试检验中,经过交叉网格搜索方法调参后的决策树鉴别模型对中成分(碳氮氧和镁铝硅)比较敏感,鉴别模型AUC值均在0.95以上,Q品质因子均大于6;经交叉网格搜索方法调参后的随机森林鉴别模型对于宇宙线粒子鉴别的效果最好,所有粒子鉴别模型的AUC值均大于0.92且Q品质因子均在4以上;BP神经网络算法只对质子和铁核比较敏感.本研究对宇宙线粒子鉴别和筛选提供了新的方法和选择,可为热中子探测器后续开展宇宙线能谱测量提供新思路.

关键词：宇宙线粒子鉴别机器学习随机森林

机器学习回归不确定性揭示自驱动活性粒子的群集相变

在线全文

学校读者我要写书评

暂无评论

物理学报 2023年第20期72卷 114-121页

作者：郭唯琛艾保全贺亮华南师范大学物理学院理论物理研究所广州510006

本文发展了一种利用逆统计问题中的回归不确定性来自动探索物质相的新方法.以自驱动活性粒子的群集相变为例,展示了对于这一类涉及非平衡、非晶格、一阶相变等复杂要素的多体系统,在训练人工神经网络处理其中的逆统计问题回归任务,成功... 详细信息

本文发展了一种利用逆统计问题中的回归不确定性来自动探索物质相的新方法.以自驱动活性粒子的群集相变为例,展示了对于这一类涉及非平衡、非晶格、一阶相变等复杂要素的多体系统,在训练人工神经网络处理其中的逆统计问题回归任务,成功重构出系统的噪声强度这一参数之后,回归结果的不确定性关于实际噪声强度的分布具有非平庸的规律性,可用于揭示该系统中的群集相变,并自动提取相变的临界噪声强度.本文还与两种基于神经网络分类能力的常见方法进行直接对比,讨论了它们的异同和各自特点.结果表明,本文发展的新方法不仅具有使用效率较高和所需预设的物理知识较少等实用优势,而且更有在理论层面较为自然地与传统物理概念建立联系的可能性,对于跨领域的不同物理系统都有良好的通用性和有效性.

关键词：机器学习相变非平衡多体系统逆统计问题

在线全文

学校读者我要写书评

暂无评论

机器学习驱动难熔高熵合金设计的现状与展望

材料工程 2024年第1期52卷 27-44页

作者：高田创高建宝李谦张利军中南大学粉末冶金国家重点实验室长沙410083 重庆大学国家镁合金材料工程技术研究中心重庆400044

难熔高熵合金兼具高强度、高硬度、抗高温氧化等优异综合性能,在航空、航天、核能等领域具有广阔的应用前景和研究价值。但难熔高熵合金成分复杂、设计难度高,严重制约了高性能难熔高熵合金的进一步发展。近年来,机器学习凭借着高效准... 详细信息

难熔高熵合金兼具高强度、高硬度、抗高温氧化等优异综合性能,在航空、航天、核能等领域具有广阔的应用前景和研究价值。但难熔高熵合金成分复杂、设计难度高,严重制约了高性能难熔高熵合金的进一步发展。近年来,机器学习凭借着高效准确的建模预测能力,逐步应用于高性能合金的设计和开发。本文在广泛收集机器学习驱动难熔高熵合金设计研究成果的基础上,详细综述了机器学习在辅助合金相结构设计、力学性能预测、强化机理分析和加速原子模拟等方面的应用与进展。最后,总结了该领域当前存在的不足,并针对如何推进高性能难熔高熵合金的设计进行了展望,包括构建难熔高熵合金高质量数据集、建立难熔高熵合金“成分-工艺-组织-性能”定量关系、实现高性能难熔高熵合金的多目标优化等。

关键词：难熔高熵合金机器学习相结构力学性能强化机理原子模拟

在线全文

学校读者我要写书评

暂无评论

机器学习结合固溶强化模型预测高熵合金硬度

物理学报 2023年第18期72卷 220-230页

作者：张逸凡任卫王伟丽丁书剑李楠常亮周倩西安邮电大学理学院西安710121 西北工业大学物理科学与技术学院西安710072

第一性原理、热力学模拟等传统的材料计算方法在高熵合金的设计中多用于合金相的预测,同时会耗费巨大的计算资源.本文以性能为导向,选用机器学习的算法建立了一个高熵合金硬度预测模型,并将机器学习与固溶体强化的物理模型相结合,使用... 详细信息

第一性原理、热力学模拟等传统的材料计算方法在高熵合金的设计中多用于合金相的预测,同时会耗费巨大的计算资源.本文以性能为导向,选用机器学习的算法建立了一个高熵合金硬度预测模型,并将机器学习与固溶体强化的物理模型相结合,使用遗传算法筛选出最具有代表性的3个特征参数,利用这3个特征构建的随机森林模型,其R^(2)达到了0.9416,对高熵合金的硬度取得了较好的预测效果.本文选用的机器学习算法和3个材料特征在固溶体强化性质方面也有一定的预测效果.针对随机森林可解释性较差的问题,本文还利用SHAP可解释机器学习方法挖掘了机器学习模型的内在推理逻辑.

关键词：高熵合金机器学习遗传算法固溶强化