Sale
طراحی مواد به کمک هوش مصنوعی: الگوریتمهای هوش مصنوعی و مطالعات موردی در مورد آلیاژها و فرآیندهای متالورژی ۲۰۲۲
Artificial Intelligence-Aided Materials Design: AI-Algorithms and Case Studies on Alloys and Metallurgical Processes 2022
دانلود کتاب طراحی مواد به کمک هوش مصنوعی: الگوریتمهای هوش مصنوعی و مطالعات موردی در مورد آلیاژها و فرآیندهای متالورژی ۲۰۲۲ (Artificial Intelligence-Aided Materials Design: AI-Algorithms and Case Studies on Alloys and Metallurgical Processes 2022) با لینک مستقیم و فرمت pdf (پی دی اف)
| نویسنده |
Rajesh Jha, Bimal Kumar Jha |
|---|
ناشر:
Taylor & Francis Group
۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید
| سال انتشار |
2022 |
|---|---|
| زبان |
English |
| تعداد صفحهها |
334 |
| نوع فایل |
|
| حجم |
48.8MB |
🏷️ قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
هوشمصنوعی ترجمه کالیبو
توضیحات
معرفی کتاب طراحی مواد به کمک هوش مصنوعی: الگوریتمهای هوش مصنوعی و مطالعات موردی در مورد آلیاژها و فرآیندهای متالورژی ۲۰۲۲
این کتاب به بررسی کاربرد مفاهیم هوش مصنوعی (AI) و یادگیری ماشین (ML) در توسعهی مدلهای پیشبینیکننده میپردازد که میتوانند در طراحی مواد آلیاژی، از جمله آلیاژهای مغناطیسی سخت و نرم، سوپرآلیاژهای پایه نیکل، آلیاژهای پایه تیتانیوم و آلیاژهای پایه آلومینیوم، مورد استفاده قرار گیرند. خوانندگانی که با الگوریتمهای هوش مصنوعی/یادگیری ماشین آشنایی ندارند، میتوانند از این کتاب به عنوان نقطه شروع استفاده کرده و از پیادهسازی الگوریتمهای هوش مصنوعی/یادگیری ماشین در MATLAB® و Python از طریق مطالعات موردی ارائه شده، بهره ببرند. محققان با تجربهی هوش مصنوعی/یادگیری ماشین که مایل به آزمایش الگوریتمهای جدید هستند نیز میتوانند از این کتاب استفاده کرده و مطالعات موردی را به عنوان مرجع مطالعه کنند.
* مزایا و محدودیتهای چندین مفهوم هوش مصنوعی و پیادهسازی مناسب آنها در انواع مختلف دادههای تولید شده از طریق آزمایشها و شبیهسازیهای رایانهای و از صنایع در فرمتهای مختلف فایل را ارائه میدهد.
* به خوانندگان کمک میکند تا با نوشتن کد کامپیوتری خود یا استفاده از منابعی که نیازی به نوشتن کد ندارند، مدلهای پیشبینیکننده را از طریق الگوریتمهای هوش مصنوعی/یادگیری ماشین توسعه دهند.
* منابع قابل دانلود مانند MATLAB GUI/APP و پیادهسازی پایتون را پوشش میدهد که میتوانند بر روی دستگاههای تلفن همراه معمولی مورد استفاده قرار گیرند.
* رویکرد CALPHAD و راههای استفاده از دادههای تولید شده از آن را مورد بحث قرار میدهد.
* شامل فصلی در مورد مفاهیم متالورژی/مواد است تا به خوانندگان در درک مطالعات موردی و در نتیجه پیادهسازی مناسب الگوریتمهای هوش مصنوعی/یادگیری ماشین در چارچوب علم مواد مبتنی بر داده کمک کند.
* از مطالعات موردی برای بررسی اهمیت استفاده از الگوریتمهای یادگیری ماشین بدون نظارت در تعیین الگوها در مجموعهدادهها استفاده میکند.
این کتاب برای دانشمندان مواد و متالورژیستهایی که علاقهمند به کاربرد هوش مصنوعی، یادگیری ماشین و علم داده در توسعه مواد جدید هستند، نوشته شده است.
فهرست کتاب:
۱. روی جلد
۲. صفحه عنوان فرعی
۳. صفحه عنوان
۴. صفحه حق تکثیر
۵. صفحه تقدیم
۶. فهرست
۷. پیشگفتار
۸. مقدمه
۹. سپاسگزاری
۱۰. زندگینامه نویسندگان
۱۱. فصل ۱ مقدمه: هوش مصنوعی و طراحی مواد
۱۲. فصل ۲ مفاهیم متالورژی/مواد
۱۳. فصل ۳ الگوریتم های هوش مصنوعی
۱۴. فصل ۴ مطالعه موردی شماره ۴: سکوی محاسباتی برای توسعه مدل های پیش بینی کننده برای پیش بینی منحنی بار-جابجایی و تصویر AFM: رویکرد ترکیبی تجربی-یادگیری ماشین
۱۵. فصل ۵ مطالعه موردی شماره ۵: طراحی آلیاژهای سخت مغناطیسی AlNiCo: رویکرد ترکیبی یادگیری ماشین-تجربی
۱۶. فصل ۶ مطالعه موردی شماره ۶: طراحی و کشف آلیاژهای نرم مغناطیسی: رویکرد ترکیبی تجربی-یادگیری ماشین-CALPHAD
۱۷. فصل ۷ مطالعه موردی شماره ۷: ابرآلیاژهای پایه نیکل: رویکرد ترکیبی یادگیری ماشین-CALPHAD
۱۸. فصل ۸ مطالعه موردی شماره ۸: طراحی آلیاژهای آلومینیوم: رویکرد ترکیبی یادگیری ماشین-CALPHAD
۱۹. فصل ۹ مطالعه موردی شماره ۹: آلیاژهای تیتانیوم برای کاربردهای دمای بالا: رویکرد ترکیبی یادگیری ماشین-CALPHAD
۲۰. فصل ۱۰ مطالعه موردی شماره ۱۰: طراحی زیستمواد β-تثبیتشده، ω-آزاد، پایه تیتانیوم: رویکرد ترکیبی یادگیری ماشین-CALPHAD
۲۱. فصل ۱۱ مطالعه موردی شماره ۱۱: کوره های صنعتی I: کاربرد یادگیری ماشین بر روی داده های کوره بلند آهن سازی صنعتی
۲۲. فصل ۱۲ مطالعه موردی شماره ۱۲: کوره های صنعتی II: توسعه GUI/APP برای تعیین افزودنی ها در کوره فولادسازی LD
۲۳. فصل ۱۳ مطالعه موردی شماره ۱۳: انتخاب یک الگوریتم یادگیری ماشین نظارت شده (سطح پاسخ) برای یک مسئله معین
۲۴. فصل ۱۴ مطالعه موردی شماره ۱۴: اثر پارامترهای عملیاتی بر نیروی رول و گشتاور در نورد صنعتی: رویکرد یادگیری ماشین نظارت شده و نظارت نشده
۲۵. فصل ۱۵ مطالعه موردی شماره ۱۵: توسعه مدل های پیش بینی کننده برای تنش جریان با استفاده از داده های تجربی تولید شده از دستگاه تست Gleeble: رویکرد ترکیبی تجربی-یادگیری ماشین نظارت شده
۲۶. فصل ۱۶ سکوهای محاسباتی مورد استفاده در این کار
۲۷. منابع
۲۸. نمایه
توضیحات(انگلیسی)
This book describes the application of artificial intelligence (AI)/machine learning (ML) concepts to develop predictive models that can be used to design alloy materials, including hard and soft magnetic alloys, nickel-base superalloys, titanium-base alloys, and aluminum-base alloys. Readers new to AI/ML algorithms can use this book as a starting point and use the MATLAB® and Python implementation of AI/ML algorithms through included case studies. Experienced AI/ML researchers who want to try new algorithms can use this book and study the case studies for reference.
- Offers advantages and limitations of several AI concepts and their proper implementation in various data types generated through experiments and computer simulations and from industries in different file formats
- Helps readers to develop predictive models through AI/ML algorithms by writing their own computer code or using resources where they do not have to write code
- Covers downloadable resources such as MATLAB GUI/APP and Python implementation that can be used on common mobile devices
- Discusses the CALPHAD approach and ways to use data generated from it
- Features a chapter on metallurgical/materials concepts to help readers understand the case studies and thus proper implementation of AI/ML algorithms under the framework of data-driven materials science
- Uses case studies to examine the importance of using unsupervised machine learning algorithms in determining patterns in datasets
This book is written for materials scientists and metallurgists interested in the application of AI, ML, and data science in the development of new materials.
Table of Contents
1. Cover
2. Half Title
3. Title Page
4. Copyright Page
5. Dedication Page
6. Contents
7. Foreword
8. Preface
9. Acknowledgments
10. Authors Biographies
11. Chapter 1 Introduction: Artificial Intelligence and Materials Design
12. Chapter 2 Metallurgical/Materials Concepts
13. Chapter 3 Artificial Intelligence Algorithms
14. Chapter 4 Case Study #4: Computational Platform for Developing Predictive Models for Predicting Load-Displacement Curve and AFM Image: Combined Experimental-Machine Learning Approach
15. Chapter 5 Case Study #5: Design of Hard Magnetic AlNiCo Alloys: Combined Machine Learning-Experimental Approach
16. Chapter 6 Case Study #6: Design and Discovery of Soft Magnetic Alloys: Combined Experiment-Machine Learning-CALPHAD Approach
17. Chapter 7 Case Study #7: Nickel-Base Superalloys: Combined Machine Learning-CALPHAD Approach
18. Chapter 8 Case Study #8: Design of Aluminum Alloys: Combined Machine Learning-CALPHAD Approach
19. Chapter 9 Case Study #9: Titanium Alloys for High-Temperature Applications: Combined Machine Learning-CALPHAD Approach
20. Chapter 10 Case Study #10: Design of β-Stabilized, ω-Free, Titanium-Based Biomaterials: Combined Machine Learning-CALPHAD Approach
21. Chapter 11 Case Study #11: Industrial Furnaces I: Application of Machine Learning on Industrial Iron-Making Blast Furnace Data
22. Chapter 12 Case Study #12: Industrial Furnaces II: Development of GUI/APP to Determine Additions in LD Steelmaking Furnace
23. Chapter 13 Case Study #13: Selection of a Supervised Machine Learning (Response Surface) Algorithm for a Given Problem
24. Chapter 14 Case Study #14: Effect of Operating Parameters on Roll Force and Torque in an Industrial Rolling Mill: Supervised and Unsupervised Machine Learning Approach
25. Chapter 15 Case Study #15: Developing Predictive Models for Flow Stress by Utilizing Experimental Data Generated from Gleeble Testing Machine: Combined Experimental-Supervised Machine Learning Approach
26. Chapter 16 Computational Platforms Used in This Work
27. References
28. Index
✨ ضمانت تجربه خوب مطالعه
بازگشت کامل وجه
در صورت مشکل، مبلغ پرداختی بازگردانده می شود.
دانلود پرسرعت
دانلود فایل کتاب با سرعت بالا
ارسال فایل به ایمیل
دانلود مستقیم به همراه ارسال فایل به ایمیل.
پشتیبانی ۲۴ ساعته
با چت آنلاین و پیامرسان ها پاسخگو هستیم.
ضمانت کیفیت کتاب
کتاب ها را از منابع معتیر انتخاب می کنیم.
