Modelo de máquinas de vectores de soporte para regresión aplicado a la estimación de la tensión de ruptura por termofluencia en aceros ferríticos
DOI:
https://doi.org/10.17533/udea.redin.16683Palabras clave:
Termofluencia, aceros ferríticos, máquina de vectores de soporte, redes neuronales.Resumen
Teniendo como antecedente el empleo de Redes Neuronales en el pronóstico de la tensión de ruptura por termofluencia (creep) en aceros ferríticos, en el presente trabajo se realizan nuevos experimentos, utilizando un método de reciente desarrollo dentro del campo del aprendizaje automatizado: las Máquinas de Vectores de Soporte para Regresión (SVMR). Se realizó un análisis comparativo entre ambos métodos obteniéndose resultados satisfactorios por parte de este último. Los resultados son fundamentados teóricamente proponiéndose al final, el empleo de un modelo de SVMR que utiliza un kernel polinomial de grado 3 y constante de regularización igual a 100 para estimar la tensión de ruptura por creep.
Descargas
Citas
D. J. C. MacKay. “Bayesian Methods for Neural Networks: Theory and Applications”. Neural Networks Summer School. Cambridge University. U.K. 1995. pp. 15-24.
H. K. D. H. Bhadeshia, T. Sourmail. Japan Society for the Promotion of Science, Committee on Heat– Resisting Materials and Alloys. Vol. 44. 2003. pp. 299–314.
F. Masuyama, H. K. Bhadeshia. “Creep strength of high CR Ferritic Steels designed using neural networks and phase stability calculations”. Fifth International Conference on Advances in Materials Technology for Fossil Power Plants October 3-5 (2007). 4B-01. EPRI. Palo Alto. California. 2007.
http://www.msm.ac.uk./map/map.html Consultada el 20 de enero de 2008.
F. Brun, T. Yoshida, J. D. Robson, V. Narayan, H. K. D. H. Bhadeshia, D. J. C. MacKay. “Theoretical design of ferritic creep resistant steels using neural network, kinetic, and thermodynamic models”. Materials Science and Technology. Vol. 15. 1999. pp. 547-554. DOI: https://doi.org/10.1179/026708399101506085
D. Cole, C. Martin-Moran, A.G. Sheard, H. K. Bhadeshia, D. J. C MacKay. “Modelling creep rupture strength of ferritic steel welds”. Science and Technology of Welding and Joining. Vol. 5. 2000. pp. 81-89. DOI: https://doi.org/10.1179/136217100101538065
A. J. Smola, B. Schölkopf. “A tutorial on Support Vector Regression”. Neuro COLT2 Technical Report Series. NC2-TR-1998-030. 1998. pp. 4-18.
B. M. del Brío, A. S. Molina. Redes Neuronales y Sistemas Difusos. Ed. Alfaomega. Zaragoza. 2001. pp. 76-78.
S. Haykin. Neural Networks. A Comprehensive Foundation. 2a ed. Ed. Prentice-Hall. New York. 1994. 1999. pp. 156-255.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Los artículos disponibles en la Revista Facultad de Ingeniería, Universidad de Antioquia están bajo la licencia Creative Commons Attribution BY-NC-SA 4.0.
Eres libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar : remezclar, transformar y construir sobre el material.
Bajo los siguientes términos:
Reconocimiento : debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial : no puede utilizar el material con fines comerciales .
Compartir igual : si remezcla, transforma o construye a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
El material publicado por la revista puede ser distribuido, copiado y exhibido por terceros si se dan los respectivos créditos a la revista, sin ningún costo. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original.
Twitter