镁铝合金资料优化的系统结构为带有逻辑s型传递函数的12-12-1系统结构。镁铝合金资料选取R、MSE和MAE值作为误差尺度。在测试集中得到最幼的MSE和MAE值以及最大的R值。输入矢量对Al-Mg2Si复合伙料UTS的活络度如图8所示。Mg对Al-Mg2Si复合伙料的抗拉强杜装响较大，由于镁铝合金资料相的尺寸和描摹与含Mg和Si元素复合伙料的力学机能呈线性关系。了局批注，所有的数据集都拥有较高的有关性和正确性，因而，所提出的数学函数能够用于神经网络钻研。
镁铝合金资料用人为神经网络推算了未精辟Al-Zn-Mg-Cu合金和Al-5Ti-1B和Al-5Zr中央合金精辟后的UTS。没有界说优良的法式来确定最优模型结构，因而在一个暗藏层(5-20)中使用分歧的神经元数量与试错步骤。该工程的最优结构为带逻辑s型传递函数的15-17-1结构。选取R、MAE和MSE对数据集的机能进行评价。活络度了局显示，Mg元素和热处置对Al-Zn-Mg-Cu合金的抗拉强杜仔较高的影响。由于合金元素与其他金属相互作用，形成金属间化合物，这些化合物通过热处置析出，从而产生高强度。
镁铝合金资料并利用该公式钻研了钪和碳含量的影响。当钪和碳的增长量别离为0.5 Sc和0.01 C wt.%时，可获得最大的UTS值。所得公式的预测模型拥有较高的靠得住性。选取神经网络步骤钻研了Al-Mg-Ti合金的抗拉强度、延性、孔隙率、硬度和密度。通度日络度分析，检验了输入参数的影响。镁铝合金资料所有输入变量中的Mg元素对合金的UTS和硬度的影响最大，而Ti元素拥有密度和延性。所有变量的线性有关值都高于0.91，模型精度极度高。选取神经网络和回归模型钻研了加强和变形对赤泥纳米颗粒加强铝基复合伙料体积磨损的影响。
镁铝合金资料选取函数的激活函数、RMSE和MAPE，四个输入参数，两个隐含层，别离蕴含7个和6个神经元，1个输出参数为容量，训练集124个数据，测试集20个数据；毓楹虯NN模型的R2和MAPE别离为0.9775和0.989,12.96和7.30%，ANN模型的RMSE为0.3177。了局批注，与数学回归模型相比，人为神经网络步骤能较好地预测复合伙料的磨损率，并能有效地削减功夫、精力和成本。
新时期，新技术层出不穷，我们关注，进建，但愿在将来可能与时俱进，启发创新。