دانلود مقاله انگلیسی رایگان:ایجاد پیوندهای محلی سازی ساختار و خاصیت برای تغییر شکل الاستیک کامپوزیت های کنتراست بالا سه بعدی با استفاده از روشهای یادگیری عمیق - 2019
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی یادگیری عمیق رایگان
  • Establishing structure-property localization linkages for elastic deformation of three-dimensional high contrast composites using deep learning approaches Establishing structure-property localization linkages for elastic deformation of three-dimensional high contrast composites using deep learning approaches
    Establishing structure-property localization linkages for elastic deformation of three-dimensional high contrast composites using deep learning approaches

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    Establishing structure-property localization linkages for elastic deformation of three-dimensional high contrast composites using deep learning approaches


    ترجمه فارسی عنوان مقاله:

    ایجاد پیوندهای محلی سازی ساختار و خاصیت برای تغییر شکل الاستیک کامپوزیت های کنتراست بالا سه بعدی با استفاده از روشهای یادگیری عمیق


    منبع:

    Sciencedirect - Elsevier - Acta Materialia, 166 (2019) 335-345: doi:10:1016/j:actamat:2018:12:045


    نویسنده:

    Zijiang Yang a, Yuksel C. Yabansu b, Dipendra Jha a, Wei-keng Liao a, Alok N. Choudhary a, Surya R. Kalidindi b, c, Ankit Agrawal


    چکیده انگلیسی:

    Data-driven methods are attracting growing attention in the field of materials science. In particular, it is now becoming clear that machine learning approaches offer a unique avenue for successfully mining practically useful process-structure-property (PSP) linkages from a variety of materials data. Most previous efforts in this direction have relied on feature design (i.e., the identification of the salient features of the material microstructure to be included in the PSP linkages). However due to the rich complexity of features in most heterogeneous materials systems, it has been difficult to identify a set of consistent features that are transferable from one material system to another. With flexible architecture and remarkable learning capability, the emergent deep learning approaches offer a new path forward that circumvents the feature design step. In this work, we demonstrate the implementation of a deep learning feature-engineering-free approach to the prediction of the microscale elastic strain field in a given threedimensional voxel-based microstructure of a high-contrast two-phase composite. The results show that deep learning approaches can implicitly learn salient information about local neighborhood details, and significantly outperform state-of-the-art methods.
    Keywords: Materials informatics | Convolutional neural networks | Deep learning | Localization | Structure-property linkages


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 11
    حجم فایل: 2003 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