杨榛
,
顾幸生
,
梁晓怿
,
张睿
,
凌立成
新型炭材料
doi:10.3969/j.issn.1007-8827.2007.04.011
在炭材料黏结剂添加剂改性实验数据的基础上,将神经网络方法用于研究添加剂配方和热处理温度对黏结强度的影响关系,建立了添加剂改性炭材料黏结剂的RBF(Radial Basis Function径向基函数)神经网络性能预报模型,并与BP(Back-Propagation逆传播)人工神经网络进行了预报精度和...
关键词:
炭材料
,
高温黏结剂
,
剪切强度
,
RBF人工神经网络
杨榛
,
顾幸生
,
梁晓怿
,
凌立成
材料导报
综述了模式识别和神经网络两种智能理论用于复合材料设计及优化方法,举例说明两种智能方法在复合材料优化设计中性能预测、仿真建模、工艺优化等多领域的应用价值和研究进展,分析讨论了两智能理论应用于材料设计研究时的主要问题及其解决方案,并对其发展方向提出了若干建议.
关键词:
复合材料优化设计
,
模式识别
,
神经网络
周翔
,
姜婷婷
,
徐丹
,
杨榛
,
梁剑平
,
王亮
原子核物理评论
doi:10.11804/NuclPhysRev.33.04.500
利用马尔可夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)方法估计Logistic回归模型中的参数,就是要构造一个以参数的后验分布为其平稳分布的非周期不可约的马尔可夫链,然后用该平稳分布中抽出的样本点计算蒙特卡罗积分.上述理论方法可以解决实验样本数据由于存在定和约束和多重共...
关键词:
Logistic回归
,
马尔可夫链
,
辐射剂量
,
丁酸梭菌
杨榛
,
乔文明
,
梁晓怿
新型炭材料
doi:10.1016/S1872-5805(17)60108-2
如何控制和预测孔结构是炭气凝胶研究的重要课题.然而,由于耗时耗财,导致实验方法研究控制和预测孔结构成为难题.本文提出一种基于神经网络的炭气凝胶孔结构的预测与优化模型,并采用遗传算法设计和优化模型,对六种典型训练算法模型性能进行比较分析.利用该模型对孔径和吸附容量进行预测,两者的预测相关系数分别为0....
关键词:
炭气凝胶
,
孔结构
,
神经网络
,
训练算法
,
模型
