دانلود مقاله انگلیسی رایگان:پیش بینی و اعتبارسنجی از پرکننده های جایگزین مورد استفاده در طراحی میکرو سطحی با استفاده از تکنیک های یادگیری ماشین - 2019
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی یادگیری ماشین رایگان
  • Prediction and validation of alternative fillers used in micro surfacing mix-design using machine learning techniques Prediction and validation of alternative fillers used in micro surfacing mix-design using machine learning techniques
    Prediction and validation of alternative fillers used in micro surfacing mix-design using machine learning techniques

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    Prediction and validation of alternative fillers used in micro surfacing mix-design using machine learning techniques


    ترجمه فارسی عنوان مقاله:

    پیش بینی و اعتبارسنجی از پرکننده های جایگزین مورد استفاده در طراحی میکرو سطحی با استفاده از تکنیک های یادگیری ماشین


    منبع:

    Sciencedirect - Elsevier - Construction and Building Materials, 207 (2019) 519-527: doi:10:1016/j:conbuildmat:2019:02:136


    نویسنده:

    Rajesh Gujar a, Vinay Vakharia b,⇑


    چکیده انگلیسی:

    In this study regression analysis using machine learning models was investigated to predict and validate the composition of alternative mineral filler in micro surfacing mix design. To generate the data, 168 experiments were conducted with mixing time (sec), cohesion (30 min) kg.cm, cohesion (60 min) kg. cm, set time (sec), wet track abrasion loss (g/m2) as an additives for the design of alternative fillers such as Copper Slag, Fly Ash and High Calcium Fly Ash. Training and testing of feature vector which were formed after conducting experiment was fed into machine learning regression models for prediction of composition of fillers. Support vector machine with polynomial, radial basis function and PUK kernel, Artificial neural network with RBF kernel and Isotonic regression models were considered in the present study. Machine learning regression models were evaluated using three parameters Correlation coefficient, Spearman rho’s and Mean absolute error. Excellent agreement between regression models and experimental results observed. The methodology used will be useful for prediction of micro surfacing mix design for alternative fillers used in the construction industry.
    Keywords: Micro surfacing | Mineral fillers | Machine learning | Support vector machine | Artificial neural network


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 9
    حجم فایل: 513 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی