公开(公告)号：CN118657060B

公开(公告)日：2024-11-19

申请号：CN202411123843.0

申请日：2024-08-16

Applicant: 中南大学

Inventor： 张健 ,  邓梓夫 ,  彭一非 ,  杨晋泓

IPC: G06F30/27 ,  G06N3/042 ,  G06N3/047 ,  G06N3/048 ,  G06N3/06 ,  G06N3/0985 ,  G06F119/08

Abstract: 本发明涉及物体表面温度场信息获取技术领域，具体涉及一种物体表面温度场的获取方法。本发明提出了一种物体表面温度场获取模型，该模型在经典的物理知识神经网络（PINN）模型的基础上，在网络架构中增加遗忘层（dropout层）和批归一化层（BN层），以增强预测结果的精度和稳定性；每一层采用不同的激活函数，可以增强模型的非线性表达能力，让模型更好地求解和拟合目标变量，从而增加模型的泛化能力；模型训练时使用了L2正则化技术，用于进一步抑制过拟合；使用权重网络自适应地调节损失函数权重，可以使模型找到平衡模型损失和数据损失的权重值，有利于进一步优化模型的预测效果。

公开(公告)号：CN118657060A

公开(公告)日：2024-09-17

申请号：CN202411123843.0

申请日：2024-08-16

Applicant: 中南大学

Inventor： 张健 ,  邓梓夫 ,  彭一非 ,  杨晋泓

IPC: G06F30/27 ,  G06N3/042 ,  G06N3/047 ,  G06N3/048 ,  G06N3/06 ,  G06N3/0985 ,  G06F119/08

Abstract: 本发明涉及物体表面温度场信息获取技术领域，具体涉及一种物体表面温度场的获取方法。本发明提出了一种物体表面温度场获取模型，该模型在经典的物理知识神经网络（PINN）模型的基础上，在网络架构中增加遗忘层（dropout层）和批归一化层（BN层），以增强预测结果的精度和稳定性；每一层采用不同的激活函数，可以增强模型的非线性表达能力，让模型更好地求解和拟合目标变量，从而增加模型的泛化能力；模型训练时使用了L2正则化技术，用于进一步抑制过拟合；使用权重网络自适应地调节损失函数权重，可以使模型找到平衡模型损失和数据损失的权重值，有利于进一步优化模型的预测效果。