高级检索
检索提示：高级检索多个条件检索时是按照顺序运算的：如 A或B与C 即:(A或B)与C
[会议论文]
基于机器学习的无机晶体材料剪切模量预测
作者：
摘要：
使用支持向量回归、梯度提升回归、随机森林和神经网络四种机器学习算法预测无机晶体材料的剪切模量,结果表明梯度提升回归算法对剪切模量的预测效果最好。通过对材料特征变量的重要程度进行排序,发现晶体结构、熔点、门捷列夫数和原子质量等材料特征变量与材料剪切模量的相关度较高,排序后的材料特征变量可以为具有目标力学性能材料的设计提供参考。
关键词：
作者机构：
通讯作者信息：
电子邮件地址：
相关关键词：
相关文章：
2020，信息技术与网络安全
2019，生物医学工程学杂志
2021，生命科学仪器
2020，计算机科学
来源 ：
年份： 2021
语种： 中文
被引次数：
WoS核心集被引频次： 0
SCOPUS被引频次：
ESI高被引论文在榜： 0 展开所有
万方被引频次：
中文被引频次：
近30日浏览量： 5
归属院系：
材料与制造学部 本学院/部未明确归属的数据
全文获取
外部链接：
