公开(公告)号：CN115169111B

公开(公告)日：2023-04-18

申请号：CN202210786658.4

申请日：2022-07-04

Applicant: 中北大学

Inventor： 叶宝云 ,  安崇伟 ,  刘畅 ,  王晶禹 ,  赵宇宁 ,  周耀鉴

IPC: G06F30/20 ,  G06N7/01 ,  G06N20/00 ,  G06F17/16 ,  G06F17/18 ,  G06F119/14 ,  G06F111/10

Abstract: 本发明提供的基于随机森林的含能材料力学性能预测方法及存储设备，所述方法包括：S10，通过模拟算法获得有限数量的样本；S20，通过ML‑GAN算法对有限数量的样本进行扩充，生成扩充样本；S30，基于扩充样本，采用随机森林算法对力学性能进行预测；本发明具有在小样本数据集基础上，对含能材料性能进行预测的有益效果，适用于含能材料领域。

公开(公告)号：CN114861532A

公开(公告)日：2022-08-05

申请号：CN202210442826.8

申请日：2022-04-25

Applicant: 中北大学

Inventor： 叶宝云 ,  安崇伟 ,  刘畅 ,  王晶禹 ,  赵宇宁 ,  周耀鉴

IPC: G06F30/27 ,  G06Q10/04 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/04 ,  G06F119/08 ,  G06F119/14

Abstract: 本发明提供的一种使用元学习的小样本含能材料性能预测方法、存储设备及终端，所述方法包括：S10，确定用于含能性能材料预测的输入特征和输出特征，其中，输入特征包括：晶面、晶面面积占比、温度、密度、结合能和扩散系数，所述输出特征包括：体积模量、剪切模量和杨氏模量；S20，获取样本数据，并将样本数据按比例随机划分为训练集和查询集，并将训练集划分为多个训练任务，多个训练任务共用查询集；S30，构建神经网络预测模型；S40，对训练集的多个训练任务进行元学习，得到神经网络预测模型的最优参数；S50，通过查询集对神经网络预测模型进行优化和评估；本发明具有在小样本情况下、有效提高预测精度的有益效果，适用于含能材料领域。

公开(公告)号：CN115169111A

公开(公告)日：2022-10-11

申请号：CN202210786658.4

申请日：2022-07-04

Applicant: 中北大学

Inventor： 叶宝云 ,  安崇伟 ,  刘畅 ,  王晶禹 ,  赵宇宁 ,  周耀鉴

IPC: G06F30/20 ,  G06N7/00 ,  G06N20/00 ,  G06F17/16 ,  G06F17/18 ,  G06F119/14 ,  G06F111/10

Abstract: 本发明提供的基于随机森林的含能材料力学性能预测方法及存储设备，所述方法包括：S10，通过模拟算法获得有限数量的样本；S20，通过ML‑GAN算法对有限数量的样本进行扩充，生成扩充样本；S30，基于扩充样本，采用随机森林算法对力学性能进行预测；本发明具有在小样本数据集基础上，对含能材料性能进行预测的有益效果，适用于含能材料领域。