دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 0 نویسندگان: S.M. Sapuan, Iqbal Mohammed Mujtaba سری: ISBN (شابک) : 1420093320, 9781420093322 ناشر: CRC Press سال نشر: 2009 تعداد صفحات: 372 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 9 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Composite Materials Technology: Neural Network Applications به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب فناوری مواد کامپوزیت: برنامه های شبکه عصبی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
شبکه های عصبی مصنوعی (ANN) می توانند بینش جدیدی در مورد
مطالعه مواد کامپوزیت ارائه دهند و معمولاً می توانند با سایر
ابزارهای هوش مصنوعی مانند سیستم خبره، الگوریتم ژنتیک و منطق
فازی ترکیب شوند. از آنجایی که تحقیقات در این زمینه بسیار جدید
است، فقط تعداد محدودی از ادبیات منتشر شده در این زمینه وجود
دارد.
تجمیع اطلاعات از منابع مختلف، فناوری مواد ترکیبی:
کاربردهای شبکه عصبی خلأ دانش را پر می کند. از این
شبکه های مهم، پوشش مکانیک کامپوزیت، مشخصات مواد، طراحی محصول
و سایر جنبه های مهم کامپوزیت های زمینه پلیمری است.
سبک بودن، مقاومت در برابر خوردگی، سفتی و استحکام خوب و
یکپارچگی قطعات تنها برخی از دلایل کامپوزیت ها هستند. در زمینه
هایی از جمله مهندسی عمران و سازه، فرآوری شیمیایی، مدیریت،
کشاورزی، مطالعه فضایی و تولید مفید هستند. ANN قبلاً برای
انجام فرآیندهای پیشبینی طراحی، پیشبینی خواص مکانیکی و
فرآیندهای انتخاب در تکامل کامپوزیتها استفاده شده است، اما
اگرچه قبلاً با موفقیت زیادی در شاخههای مختلف تحقیقات علمی و
فناوری مورد استفاده قرار گرفته است، هنوز در مرحله نوپایی
است.
این کتاب با مشارکت محققان برجسته در سراسر جهان به چهار بخش
تقسیم شده است که با مقدمه ای بر شبکه های عصبی و مروری بر
ادبیات موجود در این زمینه شروع می شود. سپس متن نظارت بر سلامت
سازه و تشخیص آسیب در کامپوزیت ها را پوشش می دهد، به خواص
مکانیکی می پردازد و طراحی، تجزیه و تحلیل و انتخاب مواد را
مورد بحث قرار می دهد. آموزش، آزمایش، و اعتبارسنجی دادههای
تجربی برای بهینهسازی نتایج ارائهشده در کتاب انجام شد.
این کتاب کمک مهمی به محققان خواهد بود زیرا آنها بر روی اجرای
آینده ANN در صنایعی مانند هوافضا، خودروسازی، دریانوردی،
کالاهای ورزشی، مبلمان، و الکترونیک و ارتباطات.
Artificial neural networks (ANN) can provide new insight into
the study of composite materials and can normally be combined
with other artificial intelligence tools such as expert
system, genetic algorithm, and fuzzy logic. Because research
on this field is very new, there is only a limited amount of
published literature on the subject.
Compiling information from diverse sources, Composite
Materials Technology: Neural Network Applications
fills the void in knowledge of these important networks,
covering composite mechanics, materials characterization,
product design, and other important aspects of polymer matrix
composites.
Light weight, corrosion resistance, good stiffness and
strength properties, and part consolidation are just some of
the reasons that composites are useful in areas including
civil engineering and structure, chemical processing,
management, agriculture, space study, and manufacturing. ANN
has already been used to carry out design prediction,
mechanical property prediction, and selection processes in
the evolution of composites, but although it has already been
used with great success in various branches of scientific and
technological research, it is still in the nascent stage of
its development.
Featuring contributions from leading researchers throughout
the world, this book is divided into four parts, starting
with an introduction to neural networks and a review of
existing literature on the subject. The text then covers
structural health monitoring and damage detection in
composites, addresses mechanical properties, and discusses
design, analysis, and materials selection. Training, testing,
and validation of experimental data were carried out to
optimize the results presented in the book.
This book will be an important aid to researchers as they
work on the future implementation of ANN in industries such
as aerospace, automotive, marine, sporting goods, furniture,
and electronics and communication.