مواد پایدار: نقش هوش مصنوعی و یادگیری ماشین ۲۰۲۴
Sustainable Materials: The Role of Artificial Intelligence and Machine Learning 2024

دانلود کتاب مواد پایدار: نقش هوش مصنوعی و یادگیری ماشین ۲۰۲۴ (Sustainable Materials: The Role of Artificial Intelligence and Machine Learning 2024) با لینک مستقیم و فرمت pdf (پی دی اف)

نویسنده

Akshansh Mishra, Vijaykumar S Jatti, Shivangi Paliwal

ناشر: CRC Press
voucher (1)

۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید

سال انتشار

2024

زبان

English

تعداد صفحه‌ها

214

نوع فایل

pdf

حجم

17.3MB

🏷️ قیمت اصلی: 200,000 تومان بود.قیمت فعلی: 129,000 تومان.

🏷️ قیمت اصلی: ۳۷۸٬۰۰۰ تومان بود. قیمت فعلی: ۲۹۸٬۰۰۰ تومان.

📥 دانلود نسخه‌ی اصلی کتاب به زبان انگلیسی(PDF)
🧠 به همراه ترجمه‌ی فارسی با هوش مصنوعی 🔗 مشاهده جزئیات

دانلود مستقیم PDF

ارسال فایل به ایمیل

پشتیبانی ۲۴ ساعته

توضیحات

معرفی کتاب مواد پایدار: نقش هوش مصنوعی و یادگیری ماشین ۲۰۲۴

توانایی خود-یادگیریِ الگوریتم‌های یادگیری ماشین، تحقیقات را دقیق‌تر ساخته و با تمامی الزامات پیچیده سازگار می‌کند. پیشرفت در کدهای عصبی می‌تواند داده‌ها را در تمامی اشکال، از جمله مقادیر عددی و همچنین تصاویر، در خود جای دهد. این تکنیک‌ها همچنین پایداری، طول عمر، مصرف انرژی در تولید پلیمر و غیره را بررسی می‌کنند. این کتاب به طراحی، مشخصه‌یابی و توسعه‌ی تحلیل پیش‌بینی کامپوزیت‌های پلیمری پایدار با استفاده از الگوریتم‌های یادگیری ماشین می‌پردازد.


فهرست کتاب:

۱. صفحه روی جلد

۲. صفحه عنوان

۳. صفحه حق تکثیر

۴. پیشگفتار

۵. فهرست

۶. فصل ۱ هوش مصنوعی در علم مواد

۷. فصل ۲ رویکرد مبتنی بر هوش مصنوعی داده محور برای تعیین توزیع تنش ساختاری در نمونه‌های کششی ASTM D۳۰۳۹ مواد کامپوزیتی مبتنی بر کربن-اپوکسی و کولار-اپوکسی

۸. فصل ۳ بخش‌بندی تصویر برای ارزیابی ویژگی‌های ریزساختاری به دست آمده از کامپوزیت‌های منیزیم فرآوری شده از طریق ریخته‌گری فشاری

۹. فصل ۴ بررسی تجربی خاکستر باگاس در مواد بتنی

۱۰. فصل ۵ علم مواد محاسباتی برای زبان توصیفی ویژگی‌های کموانفورماتیک (CFDL) با داده‌های دسته‌ای

۱۱. فصل ۶ تحلیل دینامیکی صریح برخورد یک خودرو با استفاده از فلز، مواد کامپوزیتی و آلیاژ

۱۲. فصل ۷ بهینه‌سازی استحکام جوش نقطه‌ای اصطکاکی اغتشاشی ABS با استفاده از الگوریتم هوش دسته جمعی و جایا

۱۳. فصل ۸ طبقه‌بندی مبتنی بر یادگیری ماشین نظارت‌شده انحراف ابعادی نمونه‌های چاپ سه بعدی FDM

۱۴. فصل ۹ تخمین مقاومت خمشی کامپوزیت پلیمری با استفاده از الگوریتم طبقه‌بندی نزدیک‌ترین همسایه

۱۵. فصل ۱۰ طبقه‌بندی مبتنی بر یادگیری ماشین نظارت‌شده زبری سطح نمونه‌های چاپ سه بعدی مدل‌سازی رسوب ذوبی

۱۶. فصل ۱۱ تخمین مقاومت ضربه کامپوزیت پلیمری با استفاده از الگوریتم طبقه‌بندی نزدیک‌ترین همسایه

۱۷. نمایه

توضیحات(انگلیسی)

The self-learning ability of machine learning algorithms makes the investigations more accurate and accommodates all the complex requirements. Development in neural codes can accommodate the data in all the forms such as numerical values as well as images. The techniques also review the sustainability, life-span, the energy consumption in production polymer, etc. This book addresses the design, characterization, and development of prediction analysis of sustainable polymer composites using machine learning algorithms.


Table of Contents

1. Cover Page

2. Title Page

3. Copyright Page

4. Preface

5. Contents

6. Chapter 1 Artificial Intelligence in Material Science

7. Chapter 2 Data Driven Artificial Intelligence Based Approach for the Determination of Structural Stress Distribution in ASTM D3039 Tensile Specimens of Carbon-Epoxy and Kevlar-Epoxy Based Composite Materials

8. Chapter 3 Image Segmentation for Evaluating the Microstructure Features obtained from Magnesium Composites Processed through Squeeze Casting

9. Chapter 4 Experimental Investigation of Bagasse Ash in Concrete Material

10. Chapter 5 Computational Material Science for Cheminformatics Feature Descriptive Language (CFDL) with Categorical Data

11. Chapter 6 Explicit Dynamic Crash Analysis of a Car Using a Metal, Composite Material and an Alloy

12. Chapter 7 Optimizing Friction Stir Spot Welded ABS Weld Strength Using JAYA and Cohort Intelligence Algorithm

13. Chapter 8 Supervised Machine Learning Based Classification of Dimensional Deviation of FDM 3D Printed Samples

14. Chapter 9 Polymer Composite Flexural Strength Estimation using K-Nearest Neighbouring Classification Algorithm

15. Chapter 10 Supervised Machine Learning Based Classification of Surface Roughness of Fused Deposition Modeling 3D Printed Samples

16. Chapter 11 Polymer Composite Impact Strength Estimation using K-Nearest Neighbouring Classification Algorithm

17. Index

دیگران دریافت کرده‌اند

✨ 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.