作者：肖卓豪; 卢安贤; 刘树江; 杨舟配方设计应用热膨胀系数人工神经网络技术bp网络模型神经网络模型玻璃组成实验数据研究结果相对误差规律性系统氧化物测试值预测值
摘要：应用人工神经网络技术,采用Neuralworks Predict软件建立BP网络模型,通过对R2O-MO-Al2O3-SiO2系统玻璃组成与热膨胀系数关系实验数据的训练,以期能预测该系统指定组成的玻璃的热膨胀系数.研究结果表明,所建立的神经网络模型能较正确地反映玻璃氧化物组成与其热膨胀系数之间的规律性.模型对给定组成玻璃热膨胀系数的预测值与实际测试值的相对误差在6.4%以内,表明由神经网络技术建立的这一模型能正确反映R2O-MO-Al2O3-SiO2系统玻璃组成与热膨胀系数间的内在规律性.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
