Previsão do módulo de elasticidade transversal de compósitos unidirecionais através de redes neurais mistas /
Este trabalho tem como principal objetivo a criação de uma arquitetura de rede neural artificial (RNA) capaz de modelar o módulo de elasticidade transversal (E2) de compósitos unidirecionais. Para tanto, se fez necessário o uso de um conjunto de dados que foi dividido em duas partes, uma parte sendo...
Na minha lista:
| Principais autores: | , , |
|---|---|
| Formato: | Dissertação |
| Publicado em: |
|
| Assuntos: | |
| Endereço do item: | https://repositorio.ufrn.br/jspui/bitstream/123456789/15697/1/EduardoCBC_DISSERT.pdf |
| Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
| Resumo: | Este trabalho tem como principal objetivo a criação de uma arquitetura de rede neural artificial (RNA) capaz de modelar o módulo de elasticidade transversal (E2) de compósitos unidirecionais. Para tanto, se fez necessário o uso de um conjunto de dados que foi dividido em duas partes, uma parte sendo utilizada para o treinamento e a outra para teste das RNA. Para este trabalho se desenvolveu três tipos de arquiteturas de rede diferentes uma delas possuindo somente duas entradas, a outra três entradas e a última foi uma arquitetura mista que combina uma RNA com um modelo desenvolvido por Halpin-Tsai. Após o treinamento dos algoritmos, os resultados demonstram que o uso de RNAs se mostra bastante promissor, já que quando esses resultados foram comparados com o modelo matemático de Halpin-Tsai, apresentaram maiores valores de coeficiente de correlação e menores valores de erro médio quadrático.#$&The aim of this study is to create an artificial neural network (ANN) capable of modeling the transverse elasticity modulus (E2) of unidirectional composites. To that end, we used a dataset divided into two parts, one for training and the other for ANN testing. Three types of architectures from different networks were developed, one with only two inputs, one with three inputs and the third with mixed architecture combining an ANN with a model developed by Halpin-Tsai. After algorithm training, the results demonstrate that the use of ANNs is quite promising, given that when they were compared with those of the Halpín-Tsai mathematical model, higher correlation coefficient values and lower root mean square values were observed. |
|---|