基于集成学习的时效硬化铝合金硬度预测
材料科学
2022-07-05 v1 机器学习
摘要
随着人工智能的快速发展，材料数据库与机器学习的结合推动了材料信息学的进步。由于铝合金广泛应用于诸多领域，预测其性能具有重要意义。本文采用 Al-Cu-Mg-X（X：Zn、Zr 等）合金的数据，输入成分、时效条件（时间与温度）并预测其硬度。分别提出了一种基于自动机器学习的集成学习方案，以及一种在深度神经网络二级学习器中引入注意力机制的方案。实验结果表明，选择正确的二级学习器可进一步提升模型的预测精度。本稿件引入注意力机制改进基于深度神经网络的二级学习器，获得了性能更优的融合模型。最佳模型的 R 平方为 0.9697，MAE 为 3.4518HV。
引用
@article{arxiv.2206.08011,
title = {Hardness prediction of age-hardening aluminum alloy based on ensemble learning},
author = {Houchen Zuo and Yongquan Jiang and Yan Yang and Baoying Liu and Jie Hu},
journal= {arXiv preprint arXiv:2206.08011},
year = {2022}
}