ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Prediction of tensile strength of polymers by multilayer perceptron artificial neural network

تعداد صفحات: 11 | تعداد نمایش خلاصه: 0 | نظرات: 0
سال انتشار: 1399
کد COI مقاله: EISTC05_036
زبان مقاله: انگلیسی
(فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 11 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 7,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Prediction of tensile strength of polymers by multilayer perceptron artificial neural network

Majid Taheri - BS in Materials Engineering, Semnan University, Iran
Soroush Mirzaei - BS in Materials Engineering, Semnan University, Iran
Arshia Hosseinzade - Photography student, Semnan University, Iran

چکیده مقاله:

Polymer is a large molecule made up of a large number of repeating units. We have two types of synthetic and natural polymers that play an important role in both industry and life. Polymers are widely used in industry today and come in a variety of strengths. Strength is the amount of force that a material can withstand and the yield strength is the maximum strength that the material then undergoes the waxing deformation. The mechanical properties of materials are measured through important tests such as tensile tests. Factors affecting strength include impact absorption, hardness, percentage of elongation, toughness, strain and modulus. The present paper introduces a method that predicts the yield strength of polymers with the multilayer perceptron neural network. Perceptron is the simplest type of learning neuron modeling. Having known data on yield strength and elongation, modulus of elasticity, stiffness and tensile strength, the neural network forms an algorithm to find the yield strength of unknown polymers, the value of which could not be measured by tensile test. The real and the tensile test are closer. As a result, the data obtained from the experimental test can be predicted with acceptable accuracy by the model obtained in the neural network, which are consistent.

کلیدواژه ها:

Tensile strength, Polymers, Neural network

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1115781/

کد COI مقاله: EISTC05_036

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Taheri, Majid و Mirzaei, Soroush و Hosseinzade, Arshia,1399,Prediction of tensile strength of polymers by multilayer perceptron artificial neural network,پنجمین کنفرانس بین المللی راهکارهای نوین در مهندسی، علوم اطلاعات و فناوری در قرن پیش رو,,,https://civilica.com/doc/1115781

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399, Taheri, Majid؛ Soroush Mirzaei و Arshia Hosseinzade)
برای بار دوم به بعد: (1399, Taheri؛ Mirzaei و Hosseinzade)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی