机器学习在聚合物及其复合材料中的应用与实践

机器学习在聚合物及其复合材料中的应用与实践
研究背景与机器学习基础模型介绍
实例：展示不同的机器学习算法（如BP神经网络、SVR、CNN、DTR、RF）在复合材料性能预测中的应用，以及如何利用机器学习模型预测复合材料在不同温度下的力学性能
材料力学性能研究中应用机器学习模型
实例：以PBO为例，讲解如何进行有效的数据清洗和预处理，以提高模型的预测准确性。
实例：以POM为例，讨论特征选择、特征工程在提高模型性能中的作用，以及如何结合物理机理进行特征选择
实例：以纤维增强热塑性复合材料为例，使用物理基础的能量等效原理和机器学习算法来建立复合材料的力学性能模型，预测其应力应变曲线并进行模型比较
实例：以PBO为例，比较不同模型的性能并选择最佳模型
实例：以PBO为例，解释各输入特征对预测结果的影响
实例：以PBO为例，讨论数据集的质量和规模对模型预测性能的影响，以及如何构建和优化数据集
公众号：科研硕博
https://mp.weixin.qq.com/s/VcmoKF6Wg6dY128wQE4zmg