Transferable 3D Convolutional Neural Networks for Elastic Constants Prediction in Nanoporous Metals
تُظهر هذه الدراسة أن الشبكات العصبية التلافيفية ثلاثية الأبعاد القابلة للنقل، وتحديداً بنية DenseNet-201، تتفوق بشكل كبير على النماذج التقليدية القائمة على الوصف في التنبؤ بالثوابت المرنة للمعادن نانوية المسام، محققةً دقة عالية () وممكّنةً من تحديد التصاميم المثلى وفق جبهة باريتو من خلال التعلم بنقل المعرفة والتقييم العشوائي واسع النطاق.