Modeling and Optimization of Rubber to Steel Adhesion on the basis of Experimental Data using Combined RSM/ANN Approach
Publish place: یازدهمین سمینار بین المللی علوم و تکنولوژی پلیمر
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: English
View: 267
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISPST11_632
تاریخ نمایه سازی: 6 اردیبهشت 1396
Abstract:
A combined RSM/ANN approach was employed to study effects of different formulation agents on rubber to steel cord adhesion in a steel belt tire formulation. Feed forward artificial neural network with high accuracy was successfully developed on the basis of experimental data collected according to the Box Behnken designs and guidelines of response surface models.
Keywords:
Response Surface Model-Artificial Neural network Model- Genetic Algorithm- Rubber-Steel Adhesion
Authors
Mehdi Shiva
Birjand University of Technology, and Kavir Tire Co.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :