公开(公告)号：CN115394381B

公开(公告)日：2023-08-22

申请号：CN202211015507.5

申请日：2022-08-24

Applicant: 哈尔滨理工大学

Inventor： 李述 ,  杨佳 ,  杨志远 ,  李帅 ,  刘东戎

IPC: G16C60/00 ,  G06F30/27 ,  G06N3/0475 ,  G06N7/01 ,  G06N3/048 ,  G06N3/084 ,  G06N3/09 ,  G06N20/00

Abstract: 本发明提供一种基于机器学习和两步法数据扩充的高熵合金硬度预测方法及装置，属于合金硬度预测领域。为解决现有技术对高熵合金硬度进行预测时往往因数据不足而进行数据扩充，其数据扩充方法无法保证生成数据的质量，不利于提高高熵合金的硬度预测准确度的问题。包括：步骤一、构建高熵合金物理特征与硬度的原始训练集；步骤二、构建GAN神经网络模型，对原始训练集特征进行扩充；步骤三、构建机器学习模型，将扩充特征数据集的特征生成标签，得到扩充训练集；步骤四、将扩充训练集与原始训练集构建合并训练集；步骤五、采用合并训练集对机器学习模型进行调参并训练，得到高熵合金硬度模型。通过本发明方法得到高熵合金硬度模型具有更高的准确性。

公开(公告)号：CN115394381A

公开(公告)日：2022-11-25

申请号：CN202211015507.5

申请日：2022-08-24

Applicant: 哈尔滨理工大学

Inventor： 李述 ,  杨佳 ,  杨志远 ,  李帅 ,  刘东戎

IPC: G16C60/00 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06N7/00 ,  G06N20/00

Abstract: 本发明提供一种基于机器学习和两步法数据扩充的高熵合金硬度预测方法及装置，属于合金硬度预测领域。为解决现有技术对高熵合金硬度进行预测时往往因数据不足而进行数据扩充，其数据扩充方法无法保证生成数据的质量，不利于提高高熵合金的硬度预测准确度的问题。包括：步骤一、构建高熵合金物理特征与硬度的原始训练集；步骤二、构建GAN神经网络模型，对原始训练集特征进行扩充；步骤三、构建机器学习模型，将扩充特征数据集的特征生成标签，得到扩充训练集；步骤四、将扩充训练集与原始训练集构建合并训练集；步骤五、采用合并训练集对机器学习模型进行调参并训练，得到高熵合金硬度模型。通过本发明方法得到高熵合金硬度模型具有更高的准确性。

公开(公告)号：CN116364211A

公开(公告)日：2023-06-30

申请号：CN202310317884.2

申请日：2023-03-28

Applicant: 哈尔滨理工大学

Inventor： 李述 ,  杨佳 ,  李帅 ,  张洺玉 ,  杨志远

IPC: G16C20/70 ,  G16C20/90 ,  G16C20/20 ,  G16C60/00 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084 ,  G06F18/213 ,  G06F18/2111 ,  G06F18/24

Abstract: 本发明提供一种基于经验参数和卷积神经网络结合元素周期表提取特征的高熵合金机器学习相预测方法及装置，属于高熵合金相预测领域。为解决现有技术对高熵合金相预测时特征提取与模型性能上的问题。包括：步骤一、构建高熵合金成分信息和相标签的分类数据集；步骤二、构建五种传统机器学习模型并选出最优模型；步骤三、构建卷积神经网络，对根据成分信息映射的元素周期表形式的二维伪图像进行自动提取特征并进行预测；步骤四、将经验参数与卷积神经网络提取的特征进行合并并基于遗传算法进行筛选，选出最优特征组合；步骤五、将步骤四的最优特征组合作为步骤二中选出的最优模型的输入，进行重新训练，得到高熵合金相预测模型。通过本发明方法得到的高熵合金相预测模型具有更高的准确性。