Ver registro no DEDALUS
Exportar registro bibliográfico

Métodos de aprendizado de máquina para previsão de pontos críticos de equilibrio em ligas multi-componente (2018)

  • Authors:
  • USP affiliated authors: RIBEIRO, PAULA ARANTES - EP
  • USP Schools: EP
  • Sigla do Departamento: PMT
  • Subjects: REDES NEURAIS; AÇO; TERMODINÂMICA; REGRESSÃO
  • Language: Português
  • Abstract: A proposta deste trabalho é avaliar diferentes algoritmos de aprendizado de máquina para prever temperaturas críticas de transformações de fases. Cálculos de termodinâmica computacional utilizando o software Thermo-Calc foram usados para gerar um banco de dados que representasse as composições químicas de aços de engenharia. A partir dele, foram elaborados modelos de regressão linear multivariável e uma rede neural, cujas métricas e predições foram analisadas e comparadas entre si.
  • Imprenta:

  • Download do texto completo

    Tipo Nome do arquivo Tipo de acesso Link
    TF-2018 R352m_29082019_093337.pdfOpen Access logo PLoS whiteDirect link
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      RIBEIRO, Paula Arantes; GOLDENSTEIN, Hélio. Métodos de aprendizado de máquina para previsão de pontos críticos de equilibrio em ligas multi-componente. [S.l: s.n.], 2018.
    • APA

      Ribeiro, P. A., & Goldenstein, H. (2018). Métodos de aprendizado de máquina para previsão de pontos críticos de equilibrio em ligas multi-componente. São Paulo: EPUSP.
    • NLM

      Ribeiro PA, Goldenstein H. Métodos de aprendizado de máquina para previsão de pontos críticos de equilibrio em ligas multi-componente. 2018 ;
    • Vancouver

      Ribeiro PA, Goldenstein H. Métodos de aprendizado de máquina para previsão de pontos críticos de equilibrio em ligas multi-componente. 2018 ;

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI: