34、材料抗弯强度预测与自动驾驶减速带识别的机器学习应用

材料抗弯强度预测与自动驾驶减速带识别的机器学习应用

一、Cu - Sn - Ti 复合材料抗弯强度预测

在材料科学领域，准确预测 Cu - Sn - Ti 复合材料的抗弯强度至关重要。研究人员采用人工神经网络（ANN）进行预测，并与传统的多元线性回归（MLR）模型进行了对比。

1. ANN 模型参数设置

   • 隐藏神经元数量计算 ：通过公式 (N_h = N_{in}+\frac{N_p}{L}) 计算隐藏神经元数量。其中 (N_h) 是隐藏神经元数量，(N_{in}) 是输入神经元数量，(N_p) 是输入样本数量，(L) 是隐藏层数量。在本次研究中，输入神经元数量为 3，输入样本数量为 48，隐藏层数量选择为 1，经计算得到最佳隐藏神经元数量为 10。
   • 激活函数与学习算法 ：采用双曲正切 S 型激活函数，学习算法选用 Levenberg–Marquardt 算法。

2. 模型评估对比
   |评估指标|ANN 模型|MLR 模型|
   | ---- | ---- | ---- |
   | (R^2) | 0.9932 | 0.9762 |
   | RMSE | 4.2587 | 7.4658 |
   | MAE | 1.4679 | 5.9226 |

从表格数据可以看出，ANN 模型的 (R^2) 更接近 1，RMSE 和 MAE 更低，表明其在