机译:基于核的回归和遗传算法估计端铣加工中表面粗糙度的切削条件
Faculty of Computer Science and Information Systems, Universiti Teknologi Malaysia, 81310 UTM Johor Bahru, johor, Malaysia;
Faculty of Computer Science and Information Systems, Universiti Teknologi Malaysia, 81310 UTM Johor Bahru, johor, Malaysia;
surface roughness; milling; kernel; kernel principal component analysis; nonlinear regression; multicollinearity; genetic algorithms;
机译:应用遗传算法优化切削条件以最小化端铣加工过程中的表面粗糙度
机译:使用支持向量机,神经网络和回归分析来预测和优化铣削中的表面粗糙度和切割力
机译:基于新型机器学习的模型,用于估算立铣刀过程中的最小表面粗糙度值
机译:基于回归和遗传算法的高速铣削AlMn1Cu表面粗糙度预测及切削参数优化
机译:认知无线电网络中的频谱感知和基于核的机器学习:算法和数据处理
机译:考虑端铣削参数和湿度条件的聚酰胺材料端铣中的表面粗糙度预测
机译:利用回归方法和人工神经网络,基于切削参数和加工振动的表面粗糙度预测