Proponemos un enfoque de aprendizaje profundo para utilizar mejor la información espacial y temporal obtenida de las secuencias de imágenes del proceso de mezclado del hormigón autocompactante (HAC) para recuperar las características del HAC en términos del valor de flujo de asentamiento (SF) predicho y el tiempo de flujo del túnel V (VF). El modelo propuesto integra características de la red neuronal convolucional y de la memoria a corto plazo y se entrena para extraer características y calcular una estimación. El rendimiento del método se evalúa utilizando el conjunto de pruebas. Los resultados indican que el método propuesto podría utilizarse potencialmente para estimar automáticamente la capacidad de trabajo del CCE.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Pruebas de laboratorio a gran escala para la fundición de ferromanganeso de carbono medio utilizando mineral de manganeso JEZDA y finos de silicomanganeso SiMn17
Capítulo de libro:
Un enfoque de ciencia polimérica para la caracterización físico-química y procesamiento de semillas de pulso
Video:
El magnesio en el campo de los biomateriales degradables y reabsorbibles
Artículo:
Distribución espacial de vacíos en el hormigón aislante analizada mediante imágenes de microtecnología y funciones de probabilidad
Infografía:
Endurecimiento por deformación: principios básicos