Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
IRIS
A multivariable empirical model, based on an artificial neural network (ANN), was developed to predict flow curves of ZAM100 magnesium alloy sheets as a function of process parameters in hot forming conditions. Tensile tests were performed in a wide range of temperature and strain rate to collect the dataset used in the training and testing stages of the network. The generalization ability of the model was tested using both the leave-one-out cross-validation method and flow curves not belonging to the training set. The excellent fitting between experimental and predicted curves was proven the very good predictive capability of the model.
Flow curve prediction of ZAM100 magnesium alloy sheets using artificial neural network-based models
A multivariable empirical model, based on an artificial neural network (ANN), was developed to predict flow curves of ZAM100 magnesium alloy sheets as a function of process parameters in hot forming conditions. Tensile tests were performed in a wide range of temperature and strain rate to collect the dataset used in the training and testing stages of the network. The generalization ability of the model was tested using both the leave-one-out cross-validation method and flow curves not belonging to the training set. The excellent fitting between experimental and predicted curves was proven the very good predictive capability of the model.
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/11389/27093
Attenzione
Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo
Citazioni
ND
ND
ND
social impact
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2021-2023 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.