期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
新型快速高精度主动学习算法的开发:以MAX相晶体的材料力学性能预测为例
1
作者 李娜 宗甜心 王鲁宁 《工程科学学报》 EI CSCD 北大核心 2023年第11期1896-1907,共12页
近年来,MAX相晶体由于独特的纳米层状的晶体结构具有自润滑、高韧性、导电性等优点,成为全球的研究热点之一.其中M2AX相晶体兼具陶瓷和金属化合物的性能,同时具有抗热震性、高韧性、导电性和导热性,但是由于该类材料的单相样品实验制备... 近年来,MAX相晶体由于独特的纳米层状的晶体结构具有自润滑、高韧性、导电性等优点,成为全球的研究热点之一.其中M2AX相晶体兼具陶瓷和金属化合物的性能,同时具有抗热震性、高韧性、导电性和导热性,但是由于该类材料的单相样品实验制备比较困难,从而限制了其发展.主动学习是一种利用少量标记样本可以达到较好预测性能的机器学习方法,本文将高效全局优化算法与残差主动学习回归算法相结合,提出了一种改良的主动学习选择策略RS-EGO,基于169个M2AX相晶体的数据集,对M2AX相晶体的体模量、杨氏模量与剪切模量进行建模与预测寻优,通过计算模拟的方式来探索材料性能从而减少无效的验证实验.结果发现,RS-EGO在快速寻找最优值的同时具有较好的预测能力,综合性能要优于两种原始选择策略,也更适合样本量较少的材料性能预测问题,同时选择不同的结合参数会影响改良算法的优化方向.通过在两个公开数据集上运用改良算法证明了其有效性,并给出了结合参数的选择,设计不同结合参数下的模型实验,进一步探究不同参数对模型优化方向的影响. 展开更多
关键词 MAX相 力学性能 主动学习 高效全局优化 材料性能预测
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部