arXiv · ML· Radmir Karamov, Tagir Karamov·2026-10-20 12:00· 9 小时前AI 评分22

机器学习与物理约束神经网络在钢中缓解压痕尺寸效应的高效方法

Data-Efficient Indentation Size Effect Mitigation in Steels Using Machine Learning and a Physics-Constrained Neural Network

AI 导读

基于703次压痕实验，通过Ridge回归、XGBoost等7种模型预测高载荷参考硬度。在外部钢材测试中，非线性模型（如物理约束神经网络PCNNs）的平均绝对百分比误差为3.7%-4.8%，显著优于随机森林和XGBoost的8.5%-10.2%。

来源：arXiv · ML · arxiv.org