مقاله اصلی
Abstract:
Polymeric materials, being capable of high mouldability, usability of long lifetime up to 50 years and availability at low cost properties compared to metallic materials, are in demand but finite elementbased design engineers have limited means in terms of the limited material data and mathematical models.
.....
In this study, the whole creep behaviour of polypropylene for all stresses were obtained with 10% accuracy errors by artificial neural networks trained using existing experimental test results of the materials for a particular working range. The artificial neural network model was trained with traditional as well as heuristic based methods. It is demonstrated that heuristically trained ANN models have provided much accurate and precise results, which are in line with 10% accuracy of experimental data.
- Title: Creep modelling of polypropylenes using artificial neural networks trained with Bee algorithms
- Journals : Engineering Applications of Artificial Intelligence
- Impact Factor: 2.368
- Accepted: 18 June 2015
- Page: 10
اسلاید ارائه
محتویات اسلاید ها به شرح زیر میباشد:
- بیان الگوریتم زنبورها همراه با شبه کد و فلوچارت
- بیان نسخهی بهبودیافته الگوریتم زنبورها همراه با شبه کد
- بیان نحوهی اموزش شبکهی عصبی با الگوریتم زنبورها
- معرفی و نمایش کروموزومها در شبکه عصبی
- ساختار شبکهی عصبی
- تابع شایستگی در الگوریتم زنبورها و نحوهی استفادهی از آن در شبکهی عصبی
- بیان شیوهی مدلسازی خزش پلی پروپلین
- عنوان: Creep modelling of polypropylenes using artificial neural networks trained with Bee algorithms
- تعداد صفحات: ۱۷
- زبان: انگلیسی
- فایل پاورپوینت دارای یادداشت (note) میباشد
ترجمه و گزارش مقاله
چکیده:
مواد پلیمری با قابلیعت انعطاف پذیری بالا، طول عمر طولانی تا ۵۰ سال، در دسترس بودن با هزینهی کم در مقایسه با مواد فلزی مورد تقاضا هستند. اما از نظر مهندسان طراح مواد، این مواد از لحاظ دادههای مواد و مدلهای ریاضی دارای محدودیت هستند.
....
در این مطالعه، تمام رفتار خزشی از پلیپروپیلن برای تمامی فشارها با حداکثر ۱۰ درصد خطای دقت، توسط شبکههای عصبی مصنوعی آموزش دیده، با استفاده از نتایج آزمون تجربی موجود در مواد، در محدوده کاری خاص، به دست آمده است. مدل شبکه عصبی مصنوعی با روشهای سنتی و همچنین روشهای فرااکتشافی آموزش دیده است. ثابت شده که مدل ANN آموزش دیده با روشهای فرااکتشافی به نتایج بسیار دقیقتری، دست یافته است. که در تطابق با ۱۰ درصد دقت دادههای آزمایش شده میباشد.
کد و پیادهسازی مقاله
پیادهسازی مقاله شامل:
- کد مربوط به آموزش شبکهی عصبی Feed Forward با استفاده از الگوریتم زنبورها BA متداول
- کد مربوط به آموزش شبکهی عصبی Feed Forward با استفاده از الگوریتم ترکیبی زنبورها Hybrid-BA معرفی شده در مقاله
- کد مربوط به آموزش شبکهی عصبی Feed Forward با استفاده از الگوریتم ژنتیک GA متداول
ارتباط با بخش پشتیبانی