镁铝合金资料在一个暗藏层中使用了三个分歧的神经元数。使用训练数据集(70%)、验证数据集(15%)和测试数据集(15%)。最优结构为带有逻辑s型传递函数的12-12-1结构。用R, MSE和MAE值作为误差准则。镁铝合金资料在测试集中得到最幼的MSE和MAE，最大的R值。输入矢量对Al-Mg2Si复合金资料UTS的活络度如图8所示？杉，Mg对Al-Mg2Si复合金资料的UTS影响更大，镁铝合金资料由于含Mg和Si元素的复合金资料的力学机能与Mg2Si相的尺寸和描摹呈线性关系。了局批注，所罕见据集拥有较高的有关性和精度，因而，所提出的数学函数能够用于神经网络的钻研。

用镁铝合金资料推算了未细化的Al-Zn-Mg-Cu合金和细化的Al-5Ti-1B和Al-5Zr中央合金的UTS。没有明确界说的法式来确定最优的模型结构，所以在一个隐含层(5-20)中使用分歧的神经元数与试错步骤。这种工作的最优结构是15-17-1与逻辑s型传递函数。R, MAE和MSE用于数据集的机能。活络度了局显示，Mg元素和热处置对Al-Zn-Mg-Cu合金的UTS影响较大。

镁铝合金资料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。得到了推算公式，并利用该公式钻研了钪含量和碳含量的影响。钪和碳的最佳增长量为0.5 Sc和0.01 C wt.%，可获得最大的UTS值。所成立的预测模型拥有较高的靠得住性。镁铝合金资料用人为神经网络钻研了Al-Mg-Ti合金的UTS、塑性、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。所有输入变量中的Mg元素对合金的ut和硬度的影响最大，而Ti元素对合金的密度和延性的影响最大。各变量的线性有关值均大于0.91，模型精度极度高。