亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Prediction of friction coefficient of su-8 and its composite coatings using machine learning techniques

均方误差 复合数 材料科学 石墨 填料(材料) 决定系数 支持向量机 复合材料 薄脆饼 相关系数 环氧树脂 算法 机器学习 计算机科学 数学 统计 纳米技术
作者
Anwaruddin Siddiqui Mohammed,Srihari Dodla,Jitendra Kumar Katiyar,Mohammed Abdul Samad
出处
期刊:Proceedings of the Institution of Mechanical Engineers, Part J: Journal of Engineering Tribology [SAGE]
卷期号:237 (4): 943-953 被引量:15
标识
DOI:10.1177/13506501221138382
摘要

Machine learning (ML) techniques are used to predict the coefficient of friction of an epoxy polymer resin (SU-8) and its composite coatings deposited on a silicon wafer. Filler type and the number of cycles are taken as the input parameters. The filler types included, two solid fillers namely, graphite and talc, and a liquid filler such as Perfluoropolyether (PFPE). Six variations of the SU8 coatings were developed based on the different combinations of filers used and tested. The experimental data generated for these different coatings for varying number of cycles (0 to 499) was used to train the different ML algorithms like ANN, SVM, CART, and RF to predict the coefficient of friction. The performance of these ML techniques was compared by calculating mean absolute error (MAE), root means square error (RMSE), and square of the correlation coefficient (R 2 ). The ANN algorithm was observed to have the best (R 2 ) metrics while the other ML techniques SVM, CART, and RF had a satisfactory performance with some inaccuracies seen for the CART algorithm for the data set under consideration.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
chi完成签到 ,获得积分10
6秒前
大个应助科研小刘采纳,获得10
12秒前
迷你的靖雁完成签到,获得积分10
40秒前
乐乐完成签到,获得积分10
47秒前
53秒前
淡然平蓝发布了新的文献求助10
59秒前
1分钟前
1分钟前
天才小熊猫完成签到,获得积分10
1分钟前
jiangchuansm发布了新的文献求助20
1分钟前
1分钟前
科研小刘发布了新的文献求助10
1分钟前
linuo完成签到,获得积分10
1分钟前
orixero应助Aira采纳,获得10
1分钟前
1分钟前
xiekunwhy完成签到,获得积分10
2分钟前
夜阑听雨完成签到,获得积分0
2分钟前
容若发布了新的文献求助10
2分钟前
远方发布了新的文献求助10
2分钟前
3分钟前
科研小刘发布了新的文献求助10
3分钟前
lingduyu发布了新的文献求助10
3分钟前
3分钟前
3分钟前
激动的似狮完成签到,获得积分10
3分钟前
3分钟前
3分钟前
Ying完成签到,获得积分10
3分钟前
lingduyu完成签到,获得积分10
3分钟前
健忘沛春完成签到 ,获得积分10
4分钟前
Singularity应助Milesma采纳,获得10
5分钟前
5分钟前
wanci应助科研通管家采纳,获得10
5分钟前
Aira发布了新的文献求助10
5分钟前
5分钟前
李健应助Aira采纳,获得10
5分钟前
5分钟前
serein发布了新的文献求助10
5分钟前
5分钟前
高分求助中
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
宽禁带半导体紫外光电探测器 388
Case Research: The Case Writing Process 300
Global Geological Record of Lake Basins 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3142675
求助须知:如何正确求助?哪些是违规求助? 2793563
关于积分的说明 7806945
捐赠科研通 2449831
什么是DOI,文献DOI怎么找? 1303518
科研通“疑难数据库(出版商)”最低求助积分说明 626959
版权声明 601314