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:
Evolución de la microestructura y estabilidad térmica de una aleación Al-Ni-Co-RE de solidificación rápida
Artículo:
Determinación de las condiciones de impresión 3D para la materia prima utilizada en la fabricación con filamento fundido (FFF) de piezas de acero inoxidable 17-4PH
Artículo:
Mecanismo subyacente al efecto de la película de agua de enlace en los parámetros reológicos
Artículo:
Mejora de la dureza y la resistencia al desgaste del compuesto ZrSiO4-SnO2/Cu10Sn producido por compactación en caliente y sinterización
Artículo:
Efecto de la fibra de polipropileno y basalto en el comportamiento de los morteros para aplicaciones de reparación