資源庫(kù) / 7月25日消息，美國(guó)能源部橡樹嶺國(guó)家實(shí)驗(yàn)室公開了一組新的增材制造數(shù)據(jù)，供行業(yè)和研究人員評(píng)估和改進(jìn)3D打印部件質(zhì)量。ORNL的綜合3D打印數(shù)據(jù)集可用于訓(xùn)練機(jī)器學(xué)習(xí)模型，以改進(jìn)組件的質(zhì)量評(píng)估。

訓(xùn)練后的算法能夠可靠預(yù)測(cè)機(jī)械測(cè)試成功與否，并將零件極限抗拉強(qiáng)度預(yù)測(cè)錯(cuò)誤率降低了61%。

資源庫(kù) / 7月25日消息，美國(guó)能源部橡樹嶺國(guó)家實(shí)驗(yàn)室公開了一組新的增材制造數(shù)據(jù)，供行業(yè)和研究人員評(píng)估和改進(jìn)3D打印部件質(zhì)量。ORNL的綜合3D打印數(shù)據(jù)集可用于訓(xùn)練機(jī)器學(xué)習(xí)模型，以改進(jìn)組件的質(zhì)量評(píng)估。

訓(xùn)練后的算法能夠可靠預(yù)測(cè)機(jī)械測(cè)試成功與否，并將零件極限抗拉強(qiáng)度預(yù)測(cè)錯(cuò)誤率降低了61%。