Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Technological Institute of Aeronautics (ITA) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Institute for Technological Research of the State of São Paulo (IPT) | - |
Autor(es): dc.creator | Monticeli, Francisco Maciel | - |
Autor(es): dc.creator | Alves, Fillip Cortat | - |
Autor(es): dc.creator | Santos, Luis Felipe de Paula | - |
Autor(es): dc.creator | Costa, Michelle Leali | - |
Autor(es): dc.creator | Botelho, Edson Cocchiere | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:18:51Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:18:51Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2023-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/B978-0-443-18644-8.00012-5 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/308045 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/308045 | - |
Descrição: dc.description | Considering the complexity of the mechanic analysis in advanced composite materials, studies in the literature have demonstrated the use of machine learning (ML) methods, aiming to predict the mechanical properties in high-reliability levels. ML models have been also used in medical applications, biological sciences, and data control systems, presenting prospects in analyzing and modeling mechanical/thermal behavior for engineering applications. For this purpose, this chapter aims to conduct a systematic review of ML methods on the mechanical properties of structural composites. The analysis of the ML approach parameters and efficiency are also highlighted. A systematic review was performed using the PRISMA methodology to identify the main discoveries in recent studies. A total of 490 studies were initially identified from 2013 to 2022. Then, each article was selected and described by specific inclusion/exclusion criteria. The main findings were presented and discussed, and the gaps are identified to open up further investigations yet to be understood and exploited. | - |
Descrição: dc.description | Department of Aeronautical Engineering Technological Institute of Aeronautics (ITA), São Paulo | - |
Descrição: dc.description | Department of Materials and Technology São Paulo State University (UNESP), São Paulo | - |
Descrição: dc.description | Lightweight Structures Laboratory (LEL) Institute for Technological Research of the State of São Paulo (IPT) | - |
Descrição: dc.description | Department of Materials and Technology São Paulo State University (UNESP), São Paulo | - |
Formato: dc.format | 193-233 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Machine Intelligence in Mechanical Engineering | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | CFRP composite | - |
Palavras-chave: dc.subject | machine learning | - |
Palavras-chave: dc.subject | mechanical behavior | - |
Palavras-chave: dc.subject | prediction models | - |
Título: dc.title | Predicting the mechanical behavior of carbon fiber-reinforced polymer using machine learning methods: a systematic review | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: