封接合金材料设计的知识获取的研究  

Study on Knowledge Acquisision of Materials Design for Sealing Alloys

作　　者：夏宗宁[1] 雷永明[1] 赖树刚 孙义忠[1] 吕允文[1] 

机构地区：[1]清华大学,中国科学院上海冶金研究所

出　　处：《机械工程材料》1996年第3期33-35,39,共4页Materials For Mechanical Engineering

基　　金："863计划"资助

摘　　要：针对封接合金的材料设计，分别用人工神经网络和回归分析方法对材料的试验数据进行了较深入的分析，并从拟合精度、预报准确性、建立模型等方面对这两种方法进行了比较和讨论。得到的结果是神经网络方法优于回归方法，特别是当数学模型未知时，人工神经网络方法可以自动地建立起输入量与输出量之间的映射关系，很好地实现了知识获取。Using the artificial neural network (ANN) and regression analysis, the experiment data of sealing alloys were analyzed deeply for materials design. In respect to fitting precision and prediction accuracy, it is concluded that the ANN method is better than the regression analysis. Especially when the mathematic model is unknown, the neural network can be used to establish a mapping relationship between the inputs and the outputs automatically and to realize the knowledge acquisision perfectly.

关 键 词：神经网络 回归分析 封接 合金 

分 类 号：TH142.2[一般工业技术—材料科学与工程] TP18[机械工程—机械制造及自动化]