14.1β一二炭基化合物结构、分类与命名 14.2丙二酸酯及其在有机合成中的应用 (Malonates and the Uses in Organic Synthesis) 14.3乙酰乙酸乙酯及其在有机合成中的应用 (Ethyl Acetoactate and the Use in Organic Synthesis) 14.4其他活泼亚甲基化合物 (Other Active Metylene Compounds) 14.5 Michael加成 14.6有机合成(0 rganic Synthesis) 14.7碳酸衍生物
油箱壳外形复杂,拉深成形过程中容易出现侧壁起皱和圆角处破裂的缺陷,成形工艺参数的确定非常重要.结合分类与回归决策树(classification and regression tree,CART)的人工智能技术和模型交叉验证方法,通过调用Python平台开源库Scikit-Learn对油箱壳拉深成形数值模拟结果进行知识挖掘,筛选出对油箱壳拉深成形影响大的工艺参数;以基尼指数(Gini index)最小化作为最优特征值及最优切分点选择的依据,构建了工艺参数与性能指标关系的CART决策树,提取出了可靠的工艺设计规则.油箱壳拉深实例表明,CART决策树理论的知识发现技术是实现板料成形过程数值模拟结果潜在知识挖掘的可行途径