-
公开(公告)号：CN116913436A
公开(公告)日：2023-10-20
申请号：CN202311002930.6
申请日：2023-08-10
Applicant: 华东交通大学
Abstract: 本发明实施公开了一种基于LDM‑PNN和粒子群算法的超原子逆向设计方法，在PNN模型的基础上，将预训练LDM模型中的编解码器和粒子群算法相结合，根据给定目标光谱响应，通过粒子群算法在基于LDM模型编码的潜在空间中搜寻全局最优的超原子结构。本发明专利不仅能够预测超原子对应的光谱响应，而且能够实现超原子到光谱响应的逆向设计，解决逆向设计中的“一对多”问题。相比于传统的利用数值模拟进行逆向设计的方法，节约了大量的人力时间和成本且设计结果精确。
-
公开(公告)号：CN119049612A
公开(公告)日：2024-11-29
申请号：CN202411173799.4
申请日：2024-08-26
Applicant: 华东交通大学
IPC: G16C60/00 , G06F30/27 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0895 , G06F111/04 , G06F113/26
Abstract: 本发明公开了基于扩散模型和对比学习的超原子结构按需设计方法，根据用户给定的目标光谱响应，通过在扩散模型编码的潜在空间中引入“多生成条件约束”(连通域约束、光谱响应透射系数约束)，逆向设计出满足条件约束的高自由度超原子结构库。通过对比学习对生成的超原子结构库进行相似度排序，按需设计出符合目标光谱响应的最优超原子结构信息参数。本发明专利不仅能够逆向设计出高自由度超原子结构，解决逆向设计中的“一对多”问题，而且按需设计满足目标光谱响应且易于加工的最优超原子结构，解决最优设计和设计结果多样性之间的权衡问题。相比于传统的利用数值模拟进行逆向设计的方法，节约了大量的按需设计时间且设计结果准确。
-
公开(公告)号：CN116433275A
公开(公告)日：2023-07-14
申请号：CN202310494079.7
申请日：2023-05-05
Applicant: 华东交通大学
Abstract: 本发明公开了一种基于Bass随机模型和GAN模型对抗优化的脐橙销售预测方法。根据销售环境特征参数构建的预测模型预测出脐橙的最初的销售价格，再根据新脐橙上市后更新的销售环境参数去预测脐橙的销售量；将预测得到的销售量数据输入到预设GAN模型，若预测的销售量数据处于正常范围，则可以输出正确预测的脐橙销售量；将基于Bass随机模型预测得到的脐橙销售量数据输入到基于GAN模型的对抗优化模块中进行对比优化处理，能够精准预测销售量。本发明专利能够有效预测出脐橙在未来季度中的销售量，同时能够监测脐橙当前市场的销售情况，对脐橙的销售异常情况起到预警作用。
-
Patent Agency Ranking
公开(公告)号：CN116913436B
公开(公告)日：2024-04-05
申请号：CN202311002930.6
申请日：2023-08-10
Applicant: 华东交通大学
Abstract: 本发明实施公开了一种基于LDM‑PNN和粒子群算法的超原子逆向设计方法，在PNN模型的基础上，将预训练LDM模型中的编解码器和粒子群算法相结合，根据给定目标光谱响应，通过粒子群算法在基于LDM模型编码的潜在空间中搜寻全局最优的超原子结构。本发明专利不仅能够预测超原子对应的光谱响应，而且能够实现超原子到光谱响应的逆向设计，解决逆向设计中的“一对多”问题。相比于传统的利用数值模拟进行逆向设计的方法，节约了大量的人力时间和成本且设计结果精确。
-
公开(公告)号：CN116955958A
公开(公告)日：2023-10-27
申请号：CN202311007099.3
申请日：2023-08-10
Applicant: 华东交通大学
IPC: G06F18/20 , G06N3/0464 , G06N3/084 , G01N21/25
Abstract: 本发明实施公开了一种基于物理‑数据协同驱动的超表面光谱响应预测方法，根据超表面结构的电场传播物理机制和电场边界条件，建立电场与超表面结构相互作用的偏微分方程；以偏微分方程残差作为U‑Net网络的损失函数，通过最小化偏微分方程残差使U‑Net网络编码器输出的电场逐渐满足偏微分方程，同时反向传播更新U‑Net网络编码器、解码器神经元权重参数，实现物理驱动的无监督学习；通过物理驱动训练好的U‑Net网络能够学习超表面结构特征，在物理驱动U‑Net网络的基础上，能够采用互信息法筛选部分超表面结构特征作为极限学习机的输入，训练极限学习机隐藏层权重参数，实现小样本光谱响应快速预测。本发明专利具有预测速度快、精度高、有效降低数据训练成本的特点。
-
公开(公告)号：CN116578902A
公开(公告)日：2023-08-11
申请号：CN202310540705.1
申请日：2023-05-15
Applicant: 华东交通大学
IPC: G06F18/24 , G01R31/367 , G06F18/214 , G06F30/27 , G06N3/09
Abstract: 本发明公开了一种基于物理信息神经网络与SSA‑ELM的电池模块温度预测方法。使用互信息法计算特征因素与电池模块温度的互信息量估计值，将通过设置阈值筛选的特征因素的种类放入预设集合；通过预设集合中特征因素历史数据训练SSA‑ELM模型，输出某个时间的电池模块温度的预测值；PINN以电池模块热方程作为物理条件约束，将电池模块温度的预测值和参数值作为输入，通过更新变量，直至收敛，得到电池模块温度收敛值。本发明通过SSA‑ELM模型小规模样本进行训练，减少采集数据成本，加快预测速度，使用PINN将损失函数引入热平衡方程中，通过更新电池模块温度收敛值不断减小损失函数直至收敛，提高预测准确性。
-
公开(公告)号：CN116578902B
公开(公告)日：2025-03-25
申请号：CN202310540705.1
申请日：2023-05-15
Applicant: 华东交通大学
IPC: G06F18/24 , G01R31/367 , G06F18/214 , G06F30/27 , G06N3/09
Abstract: 本发明公开了一种基于物理信息神经网络与SSA‑ELM的电池模块温度预测方法。使用互信息法计算特征因素与电池模块温度的互信息量估计值，将通过设置阈值筛选的特征因素的种类放入预设集合；通过预设集合中特征因素历史数据训练SSA‑ELM模型，输出某个时间的电池模块温度的预测值；PINN以电池模块热方程作为物理条件约束，将电池模块温度的预测值和参数值作为输入，通过更新变量，直至收敛，得到电池模块温度收敛值。本发明通过SSA‑ELM模型小规模样本进行训练，减少采集数据成本，加快预测速度，使用PINN将损失函数引入热平衡方程中，通过更新电池模块温度收敛值不断减小损失函数直至收敛，提高预测准确性。
-
公开(公告)号：CN220251928U
公开(公告)日：2023-12-26
申请号：CN202321990369.2
申请日：2023-07-27
Applicant: 华东交通大学
Abstract: 本实用新型提供一种户外水质监测报警装置，包括浮台，浮台为梯台状，浮台的侧面安装有太阳能板，浮台的底端安装有浮筒，浮筒内底部安装有配重块，浮筒的底端安装有连接管，浮筒内一侧安装有蓄电池，浮筒内顶部安装有控制器和信号发射器，信号发射器与用户终端信号连接，配重块的顶端一侧安装有水质监测器，配重块的顶端另一侧安装有清理组件，通过设置的过滤网能够对水中水草等大直径杂物进行过滤处理，而通过设置的清理组件能够对水质监测器的探头表面进行清洁处理，避免细小直径杂物和部分水生物卵在水质监测器探头表面附着影响水质监测效果，而通过设置的配重块配合浮球能够有效提升该装置的防倾翻功能，避免因风浪较大导致该装置倾翻。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
