-
公开(公告)号：CN118278290B
公开(公告)日：2024-09-24
申请号：CN202410700098.5
申请日：2024-05-31
Applicant: 浙江大学
IPC: G06F30/27 , G06N3/0464 , G06N3/045 , G06F119/08 , G06F119/10
Abstract: 本发明公开了一种面向一体化铝合金结构件铸造的模温缺失值填补方法，包括：识别存在模具温度缺失和/或模具温度采集异常的铸件，将其对应的工艺数据输入至模温缺失值填补模型中，完成模温缺失值填补。模温缺失值填补模型的训练过程为：获取模温完整的铸件数据，在其模温假定缺失处添加噪声，得到加噪数据；将不等长的加噪数据进行分块，划分为若干个第一子张量，经时序关系注意力计算后，合并得到中间张量；对中间张量再次进行分块，划分为若干个第二子张量，经特征注意力计算后，合并得到铸件数据在假定缺失处的噪声预测值；其中，噪声预测值的时序长度与铸件数据的时序长度相同；以噪声预测值与实际添加的噪声间的均方差为损失函数进行训练。
-
公开(公告)号：CN117649906A
公开(公告)日：2024-03-05
申请号：CN202410124825.8
申请日：2024-01-30
Applicant: 浙江大学
IPC: G16C60/00 , G16C20/70 , G06F30/17 , G06F30/27 , G06N20/20 , G06F18/243 , G06F18/214 , G06F18/21 , G06N5/01
Abstract: 本发明公开了一体化铝合金结构件铸造质量预测方法、电子设备、介质，包括：获取待预测的铸造质量影响因素数据，将其输入至铸造质量预测模型得到预测结果；铸造质量预测模型的训练过程包括：获取历史铸造质量影响因素数据和质量指标数据，将其划分为有标签数据和无标签数据；利用有标签数据训练初始的XGBOOST模型，筛选出初始轮次的无标签数据样本及对应的伪标签；设置目标函数，利用第m训练集训练第m XGBOOST模型，筛选出第m轮次的无标签数据样本及对应的伪标签，加入至第m训练集中，得到第m+1训练集；其中，第一训练集包括有标签数据、初始轮次的无标签数据样本及对应的伪标签；以此类推，训练得到第N XGBOOST模型即铸造质量预测模型。
-
公开(公告)号：CN118278290A
公开(公告)日：2024-07-02
申请号：CN202410700098.5
申请日：2024-05-31
Applicant: 浙江大学
IPC: G06F30/27 , G06N3/0464 , G06N3/045 , G06F119/08 , G06F119/10
Abstract: 本发明公开了一种面向一体化铝合金结构件铸造的模温缺失值填补方法，包括：识别存在模具温度缺失和/或模具温度采集异常的铸件，将其对应的工艺数据输入至模温缺失值填补模型中，完成模温缺失值填补。模温缺失值填补模型的训练过程为：获取模温完整的铸件数据，在其模温假定缺失处添加噪声，得到加噪数据；将不等长的加噪数据进行分块，划分为若干个第一子张量，经时序关系注意力计算后，合并得到中间张量；对中间张量再次进行分块，划分为若干个第二子张量，经特征注意力计算后，合并得到铸件数据在假定缺失处的噪声预测值；其中，噪声预测值的时序长度与铸件数据的时序长度相同；以噪声预测值与实际添加的噪声间的均方差为损失函数进行训练。
-
公开(公告)号：CN117649906B
公开(公告)日：2024-04-26
申请号：CN202410124825.8
申请日：2024-01-30
Applicant: 浙江大学
IPC: G16C60/00 , G16C20/70 , G06F30/17 , G06F30/27 , G06N20/20 , G06F18/243 , G06F18/214 , G06F18/21 , G06N5/01
Abstract: 本发明公开了一体化铝合金结构件铸造质量预测方法、电子设备、介质，包括：获取待预测的铸造质量影响因素数据，将其输入至铸造质量预测模型得到预测结果；铸造质量预测模型的训练过程包括：获取历史铸造质量影响因素数据和质量指标数据，将其划分为有标签数据和无标签数据；利用有标签数据训练初始的XGBOOST模型，筛选出初始轮次的无标签数据样本及对应的伪标签；设置目标函数，利用第m训练集训练第m XGBOOST模型，筛选出第m轮次的无标签数据样本及对应的伪标签，加入至第m训练集中，得到第m+1训练集；其中，第一训练集包括有标签数据、初始轮次的无标签数据样本及对应的伪标签；以此类推，训练得到第N XGBOOST模型即铸造质量预测模型。
-
-
-
Search Results
4
records
(took 0.016 seconds)
