Predicting Intergranular Corrosion Penetration Depth in Accelerated Testing using Machine Learning
यह शोध पत्र एक संभाव्य मशीन लर्निंग फ्रेमवर्क प्रस्तुत करता है जिसे 128 प्रयोगात्मक परिणामों पर प्रशिक्षित किया गया है ताकि एल्यूमीनियम 6000 श्रृंखला की मिश्र धातुओं के संयोजन और निर्माण मापदंडों के आधार पर इंटरग्रेनुलर संक्षारण प्रवेश गहराई का सटीक अनुमान लगाया जा सके, और मॉडल की प्रभावशीलता को छह अनदेखी मिश्र धातुओं पर सफल भविष्यवाणियों के माध्यम से सत्यापित किया गया है।