合金资料用医疗器械上有极度多的使用价值，目前选取人为神经网络和统计模型对挤压铸造工艺造备的A413/B4C合金资料的硬度、抗拉强度和屈服强度进行了仿照。作者用18个数据进行训练，用9个数据进行测试，用双曲正切sigmoid函数(TANSIG)和线性传递函数(PURELIN)作为激活函数，用Levenberg-Marquardt算法和梯度降落动量BP算法(traindm)作为训练算法。合金资料有三个输入层，三个输出层和50 + 50个神经元在两个暗藏层。在训练和测试之前，将数据归一化到领域(0-1)内。MSE、R和预测百分比误差是系统的机能指标。

合金资料用Levenberg-Marquardt算法观察到最优的结构是暗藏层数和神经元数为2，了局与尝试值吻合较好。硬度R为0.96,UTS和YS为0.95,MAPE为1.42,UTS为0.62,YS为0.59。了局批注，合金资料所提出的模型能够节俭成本和功夫。选取33个全设计(三层三成分)的阶乘设计来设计输入和了局变量之间的联系，选取试验设计(DOE)与方差分析(ANOVA)来确定各成分对响应的显著性。

合金资料在医学领域的压力别离为70、105、140 MPa，模具预热温度别离为150、225、300℃，B4C率别离为4、8、12 wt.%。R2为95.25%，调整后R2为93.83%，模型成效优良。挤压压力为44-46%左右对力学机能影响较大，而B4C wt.%为33-43%左右，模具预热温度为9-16%左右。合金资料响应的所有p值均幼于0.005。压力、B4C速度和模具预热温度的最佳配比别离为140 MPa、12 wt.%和225℃，可获得最大的力学机能。