TAILIEUCHUNG - Phương pháp tiếp cận trí tuệ nhân tạo để dự báo độ kim lún và điểm hóa mềm của nhựa đường biến tính graphen oxit

Mục đích của nghiên cứu này là sử dụng hệ thống suy luận thần kinh mờ thích ứng (ANFIS) kết hợp thuật toán giải thuật di truyền (GA) để dự đoán độ kim lún và điểm hóa mềm của nhựa đường biến tính GO. | Journal of Science and Transport Technology University of Transport Technology Artificial intelligence approach to predict the penetration and softening point of graphene oxide modified asphalt Hoang Thi Huong Giang Nguyen Hoang Long Le Thanh Hai Le Nho Thien Vu The Thuan 1Universityof Transport Technology No 54 Trieu Khuc Thanh Xuan Hanoi 100000 Vietnam Article info Abstract Penetration and softening point are the two most important criteria Type of article for classifying asphalt grades according to penetration. The determination of Original research paper these two parameters of modified asphalt graphene oxide GO by experimental method encountered certain difficulties due to the high cost of Corresponding author GO and long experimental time. The purpose of this study is to use the E-mail address adaptive neuro-fuzzy inference system ANFIS combined with the genetic gianghth @ algorithm GA to predict the penetration and softening point of GO modified asphalt. Two datasets including the penetration dataset 122 samples Received softening point dataset 130 samples collected from 12 different studies with 9 November 29 2021 input parameters are used to construct and test the data digital simulation Accepted tool. In addition the study uses a 10-fold cross-validation technique along with December 17 2021 statistical criteria such as correlation coefficient R and root of mean square Published error RMSE to evaluate the performance of the models. The research results December 28 2021 show that for the penetration dataset the ANFIS-GA model has RMSE mm R the ANFIS model has RMSE mm R . For the softening point dataset the ANFIS-GA model has RMSE oC R the ANFIS model has RMSE oC R . This shows that both ANFIS-GA and ANFIS models have good predictive performance and high accuracy. With smaller RMSE and higher R in both datasets the ANFIS-GA model is evaluated to be better than ANFIS. This model can completely

• Cơ khí - Chế tạo máy
• Trí tuệ nhân tạo
• Phương pháp tiếp cận trí tuệ nhân tạo
• Nhựa đường biến tính graphen oxit
• Hệ thống suy luận thần kinh mờ
• Điểm hóa mềm
• Giải thuật di truyền
• Bài giảng Trí tuệ nhân tạo
• Trí tuệ nhân tạo chương 1
• Tổng quan về trí tuệ nhân tạo
• Nền tảng của trí tuệ nhân tạo
• Bài giảng Trí tuệ nhân tạo chương 1
• Nền tảng trí tuệ nhân tạo
• Định nghĩa trí tuệ nhân tạo
• Thành tự trí tuệ nhân tạo
• Lịch sử trí tuệ nhân tạo
• Thành tựu trí tuệ nhân tạo
• Thách thức trí tuệ nhân tạo
• Học phần môn Trí tuệ nhân tạo
• Đề thi Trí tuệ nhân tạo
• Ôn thi Trí tuệ nhân tạo
• Bài thi Trí tuệ nhân tạo
• Nội dung thi Trí tuệ nhân tạo
• Phần thi Trí tuệ nhân tạo
• Thực hành Trí tuệ nhân tạo
• Đề cương Thực hành Trí tuệ nhân tạo
• Ôn tập Trí tuệ nhân tạo
• Nội dung môn học Trí tuệ nhân tạo
• Bài tập Trí tuệ nhân tạo
• Cơ sở Trí tuệ nhân tạo‎
• Bài giảng Cơ sở Trí tuệ nhân tạo‎
• Đối tượng nghiên cứu trí tuệ nhân tạo
• Lĩnh vực áp dụng trí tuệ nhân tạo
• tài liệu trí tuệ nhân tạo
• giáo trình trí tuệ nhân tạo
• lý thuyết trí tuệ nhân tạo
• phương pháo tư duy
• kỹ năng tư duy
• trí tuệ con người
• tư duy sáng tạo
• kiến thức trí tuệ
• giáo trình
• Agen thông minh
• Đặc điểm của trí tuệ nhân tạo
• Ứng dụng của trí tuệ nhân tạo
• Tác nhân thông minh
• kinh tế chính trị học
• học thuyết kinh tế
• sách kinh tế học
• tài liệu học đại học
• đề cương bài giảng
• sách trí tuệ nhân tạo
• xử lý ngôn ngữ tự nhiên
• ứng dụng trí tuệ nhân tạo
• sản phẩm trí tuệ nhân tạo
• nghiên cứu trí tuệ nhân tạo
• đề cương Trí tuệ Nhân tạo
• Trí tuệ nhân tạo chương 2
• Bài giảng Trí tuệ nhân tạo chương 2
• Biểu diễn bài toán
• Giải thuật tìm kiếm
• Tìm kiếm hệ thống
• Khái niệm Trí tuệ nhân tạo
• Thành tựu của khoa học Trí tuệ nhân tạo
• Xu hướng mới Trí tuệ nhân tạo