Resumen

A principios de la década de los noventa, el interés industrial por los aceros TRIP conduce a un aumento significativo de la investigación y aplicación en este campo. En este trabajo, la flexibilidad de las redes neuronales para el modelado de propiedades complejas se utiliza para abordar el problema de la determinación del contenido de austenita retenida en aceros TRIP. Aplicando una combinación de dos algoritmos de aprendizaje (backpropagation y creeping-random-search) para la red neuronal, se ha creado un modelo que permite predecir la austenita retenida en aceros multifásicos de bajo-Si / bajo-Al en función de los parámetros de procesado.

• Materias:Acetamida
• Subjects:Acetamida
• Palabras claves:Redes neuronales; Búsqueda aleatoria prolongada; Algoritmo de retropropagación; Austenita retenida; Transformación isotérmica de partículas
• Keywords:Neural Networks; Creeping-random-search; Back propagation algorithm; Retained austenite; TRIP