双分支GAT模型预测LPBF零件表面位移
热点事件持续更新
双分支GAT模型预测LPBF零件表面位移
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
研究者Saima Ahmed Suhi等提出一种双分支图注意力网络(GAT)模型,旨在直接利用STL衍生图预测激光粉末床熔融(LPBF)零件的三维表面位移场。 该模型在包含117个LPBF零件的数据集上进行评估,采用按零件划分的五折交叉验证方法。结果显示,模型对位移幅度的预测R²达到0.946,平均绝对误差为0.0178毫米,表明其具有较高的预测精度。
AI 根据报道生成 · 15 小时前更新
最新进展11月20日 13:00
GAT预测激光粉末床熔融件表面位移场报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · MLGAT预测激光粉末床熔融件表面位移场
两项分支图注意力网络(GAT)直接利用STL衍生图预测激光粉末床熔融(LPBF)件的三维表面位移。该模型在117个部件上评估,位移幅度的R²达0.946,平均绝对误差为0.0178 mm。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 911月20日 15:00
- 近 24 小时变化
- –
02.557.510
15:0018:0021:0011月21日03:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。