材料期刊网

神经网络-遗传算法优化反应烧结ZrO₂-SiC材料制备工艺

阎加强 , 张培新 , 伍卫琼 , 单松高 , 隋智通

无机材料学报

应用人工神经网络对反应烧结ZrO₂－SiC材料制备中工艺参数与原位SiC颗粒生成量的关系进行拟合和预测，并结合遗传算法优化出了最佳制备工艺．

关键词: 人工神经网络 , genetic algorithm , reaction sintering , process parametersoptimizdtion , null

Prediction of Mechanical Properties of 50CrVA Tem-pered Steel Strip for Horn Diaphragm Based on BPANN

武汉理工大学学报-材料科学版(英文版) doi:10.1007/s11595-009-5791-0

关键词:

基于人工神经网络的P20钢热处理工艺

左秀荣 , 陈蕴博 , 王淼辉 , 李勇

材料热处理学报

用BP人工神经网络及材料微观分析方法研究了热处理工艺对P20钢硬度的影响.结果表明,BP网络能根据淬火及回火温度精确预测P20钢热处理后的硬度;BP网络预测结果表明,P20钢经800～920℃淬火及530～650℃回火,在给定的淬火温度下,随回火温度的增加硬度急剧降低;在给定的回火温度下,随淬火温度的增加硬度略有增加.材料微观分析表明:这主要归因于回火温度升高造成的碳化物长大和α相的回复程度的加剧及淬火温度升高造成的碳及合金元素固溶量的增加.

关键词: 人工神经网络 , P20钢 , 热处理工艺 , 硬度

神经网络在制备氮化硅多孔陶瓷中的应用

余娟丽 , 王红洁 , 张健 , 严友兰 , 乔冠军 , 金志浩

稀有金属材料与工程

以凝胶注模法制备多孔氮化硅陶瓷正交试验结果作为样本,建立3层Back Pmpagation(BP)神经网络,并进行训练以预测陶瓷性能.通过附加试验值对建立的神经网络预测能力进行验证,证明该BP神经网络模型是有效的,能准确预测多孔氮化硅陶瓷性能.通过BP神经网络模型研究多孔氮化硅陶瓷性能的结果表明,随着固含量的增加,气孔率单调下降;固含量存在一优化值,此时陶瓷抗弯强度最大;单体含量越大,气孔率越大,而抗弯强度降低.

关键词: 神经网络 , 多孔氮化硅陶瓷 , 抗弯强度 , 气孔率

基于ZnO忆阻器的神经突触仿生电子器件

潘若冰 , 胡丽娟 , 曹鸿涛 , 竺立强 , 李俊 , 李康 , 梁凌燕 , 张洪亮 , 高俊华 , 诸葛飞

材料科学与工程学报 doi:10.14136/j.cnki.issn 1673-2812.2017.02.013

本文采用ZnO忆阻器模拟了生物神经突触的记忆和学习功能.ZnO突触器件表现出典型的随时间指数衰减的突触后兴奋电流(EPSC),以及EPSC的双脉冲增强行为.在此基础上,实现了学习-遗忘-再学习的经验式学习行为,以及四种不同种类的电脉冲时刻依赖可塑性学习规则.ZnO突触器件实现了超低能耗操作,单次突触行为能耗最低为1.6pJ,表明其可以用来构筑未来的人工神经网络硬件系统,最终开发出与人脑结构类似的认知型计算机以及类人机器人.

关键词: 忆阻器 , 神经突触器件 , 人工神经网络 , ZnO