跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · ML
    GAT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
–

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。