用于预测含铅玻璃黏度的神经网络
软凝聚态物质
2022-11-22 v2 机器学习
数值分析
数值分析
应用统计
摘要
含铅玻璃的黏度对制造过程具有根本重要性，并可由人工神经网络等算法预测。使用 SciGlass 数据库提供化学组成、温度与黏度的训练、验证与测试数据，以构建隐藏层节点可变的人工神经网络。以训练数据与验证数据建立的最佳模型与文献中其他 7 个模型比较，对测试数据展现出更优的均值绝对误差与决定系数统计评价，后续敏感性分析与文献一致。计算了偏度与峰度，且由最佳神经网络对测试数据预测的值之间具有良好相关性。
引用
@article{arxiv.2211.07587,
title = {Artificial neural networks for predicting the viscosity of lead-containing glasses},
author = {Patrick dos Anjos and Lucas A. Quaresma and Marcelo L. P. Machado},
journal= {arXiv preprint arXiv:2211.07587},
year = {2022}
}
备注
6 pages, 5 figures, 2 tables