Все выпуски

[ Switch to English ]

Моделирование свойств конструкционного композитного материала, армированного углеродными нанотрубками, с использованием перцептронных комплексов

Дударов С.П., Диев А.Н., Федосова Н.А., Кольцова Э.М.
 pdf (248K)  / Список литературы

Использование алгоритмов, основанных на нейронных сетях, может оказаться неэффективным при малых объемах экспериментальных данных. Авторы статьи рассматривают решение данной проблемы на примере моделирования свойств керамического композита, армированного углеродными нанотрубками, с помощью перцептронного комплекса. Такой подход позволил получить математическое описание объекта исследования при минимальном объеме и неполноте исходной информации, полученной в ходе экспериментов (объем необходимой экспериментальной выборки уменьшился в 2–3.3 раза). В статье рассмотрены различные варианты структур перцептронных комплексов. Выявлено, что наиболее подходящей структурой обладает перцептронный комплекс с проскоком двух входных переменных. Относительная ошибка составила всего 6%. Выбранный перцептронный комплекс показал свою эффективность для предсказания свойств керамического композита. Относительные ошибки по выходным компонентам составили 0.3%, 4.2%, 0.4%, 2.9% и 11.8%.

Ключевые слова: нейронная сеть, перцептронный комплекс, математическая модель, моделирование, керамический композит, углеродные нанотрубки, прочность на изгиб
Цитата: Дударов С.П., Диев А.Н., Федосова Н.А., Кольцова Э.М. Моделирование свойств конструкционного композитного материала, армированного углеродными нанотрубками, с использованием перцептронных комплексов // Компьютерные исследования и моделирование, 2015, т. 7, № 2, с. 253-262
Citation in English: Dudarov S.P., Diev A.N., Fedosova N.A., Koltsova E.M. Simulation of properties of composite materials reinforced by carbon nanotubes using perceptron complexes // Computer Research and Modeling, 2015, vol. 7, no. 2, pp. 253-262
DOI: 10.20537/2076-7633-2015-7-2-253-262
URL: http://crm.ics.org.ru/journal/article/2261/
Creative Commons License Статья доступна по лицензии Creative Commons Attribution-NoDerivs 3.0 Unported License.
Информация о цитировании статьи по данным Crossref:
  • Aleksandr Georgievich Shumixin, Anna Sergeevna Aleksandrova. Identification of a controlled object using frequency responses obtained from a dynamic neural network model of a control system. // Computer Research and Modeling. — 2017. — V. 9, no. 5. — P. 729. DOI: 10.20537/2076-7633-2017-9-5-729-740
Сведения о цитировании могут быть существенно неполными, так как они базируется только на информации, полученной от партнёров программы Crossref cited-by.
Просмотров за год: 2. Цитирований: 1 (РИНЦ).

Журнал индексируется в Scopus

Полнотекстовая версия журнала доступна также на сайте научной электронной библиотеки eLIBRARY.RU

Журнал входит в систему  Российского индекса научного цитирования.

Журнал включен в базу данных Russian Science Citation Index (RSCI) на платформе Web of Science

Международная Междисциплинарная Конференция "Математика. Компьютер. Образование"

Международная Междисциплинарная Конференция МАТЕМАТИКА. КОМПЬЮТЕР. ОБРАЗОВАНИЕ.

Copyright © 2009–2024 Институт компьютерных исследований