-
公开(公告)号：CN118607377A
公开(公告)日：2024-09-06
申请号：CN202410775316.1
申请日：2024-06-17
申请人： 淮阴工学院 , 有研工程技术研究院有限公司
IPC分类号： G06F30/27 , G06F18/10 , G06F18/213 , G06F18/23213 , G06N3/006 , G06N3/084 , G06N20/10
摘要： 本发明公开了一种基于机器学习的工艺设计方法、系统和设备，方法包括：构造初始数据集；利用聚类算法对初始数据集的异常数据进行清洗，对清洗后的初始数据集进行缩放处理；针对处理后的数据集，筛选出特征，同时进行数据降维，得到降维后的数据集；将降维后的数据集预设比例划分为训练集和测试集，利用训练集训练预选的若干种机器学习算法模型，评估并选取预测耐蚀性最好的算法模型作为工艺设计模型；根据工艺设计模型，设计磁控溅射高耐蚀氮化物、氧化物及其复合涂层的工艺；本发明为设计磁控溅射高耐蚀氮化物、氧化物及其复合涂层工艺提供了基于数据驱动的、高通量、面向性能的高效设计方法。
-
公开(公告)号：CN118506150A
公开(公告)日：2024-08-16
申请号：CN202410554630.7
申请日：2024-05-07
申请人： 淮阴工学院
IPC分类号： G06V10/82 , G06V10/774 , G06N3/0455 , G06N3/08 , G06V20/10 , G01N21/25 , G01N21/84
摘要： 本发明公开了一种基于微调大模型的溢油检测方法、系统及设备，其种方法包括：采集并保存溢油图像数据；对溢油图像数据根据溢油级别进行人工标注，并制作成数据集；将数据集按照一定比例分割为训练集和测试集并且对溢油图像进行预处理；构建基于Vision Transformer和LoRA的溢油检测模型；包括：构建基于Vision Transformers的模型，通过Vision Transformers的多头自注意力机制，捕捉图像中的特征；通过LoRA技术，冻结Vision Transformers的权重，将可训练的秩分解矩阵注入到Vision Transformers架构的每一层，在每个Vision Transformers块中注入可训练层，减少需要训练的参数数量；通过调整参数在训练集上迭代训练溢油检测模型，得到最优溢油检测模型，对溢油进行检测；本发明通过LoRA进行微调的效果与全模型微调相同，速度更快，计算需求更少，同时保持或提升模型在溢油检测任务上的性能。
-
公开(公告)号：CN110543629A
公开(公告)日：2019-12-06
申请号：CN201910705558.2
申请日：2019-08-01
申请人： 淮阴工学院
摘要： 本发明公开了一种基于W-ATT-CNN算法的化工装备文本分类方法，包括对化工装备文本数据集D进行预处理，得到预处理后的数据集D'以及包含D'中所有汉字类别名称的词汇表vocab；通过向量化、拼接操作将数据集D'转化为矩阵V，并将数据矩阵V按7:3的比例分为训练矩阵V1和测试矩阵V2；构造ATT-CNN网络并设置训练流程，从V1中随机选取50％的数据作为训练样本矩阵T；使用矩阵V1训练ATT-CNN网络，将矩阵V2输入训练好的ATT-CNN网络进行测试，得到分类结果R，由分类结果R计算得到分类准确率P，将P与设定阈值做比较，得到最终分类模型Mod。本发明通过W-ATT-CNN算法对化工装备文本进行分类，提高了化工装备在不同应用场景中分类的准确性。
-
公开(公告)号：CN110413781A
公开(公告)日：2019-11-05
申请号：CN201910653833.0
申请日：2019-07-19
申请人： 淮阴工学院
摘要： 本发明公开了一种基于LD和ANN-SoftMax Regressor的中医药短文本多分类方法，主要是基于已经构建好的人工实体标注的文本标签数据，对中医药短文本数据进行数据处理，首先采用jieba分词工具进行分词然后采用词袋(Bag-of-words)模型进行处理，再通过LD的方式建立病症同义词词典，对构建词袋后的文本onehot向量化表示利用SVD和PCA降维处理后进行ANN-SoftMax Regressor多分类训练，最终得到中医药短文本多分类的方法。本发明方法适用于中医药和短文本分类领域可有效的使疾病的模糊症状分类更加准确。
-
公开(公告)号：CN117468189A
公开(公告)日：2024-01-30
申请号：CN202311425010.5
申请日：2023-10-31
申请人： 淮阴工学院
摘要： 本发明公开了一种纺织品浸染装置及其使用方法，包括：安装架，位于所述安装架内的浸染箱，位于所述浸染箱中部位置的驱动变形件，对纺织品夹持的若干组夹持件，以及驱动若干组夹持件对纺织品输送的驱动件；本发明利用夹持件、驱动变形件和驱动件的配合，使得纺织品在移动过程中，位于驱动变形件两侧夹持件之间的纺织品呈相对固定的状态，并配合驱动变形件使得纺织品呈波谷状变形，在纺织品移动的过程中，夹持件到驱动辊位置的纺织品纺线之间空隙由小到大变化，逐渐降低纺织品与染料之间的张力，使得纺织品与染料之间以层层递进的方式浸染，染料可以逐步扩散到纺织品的表面和内部，提高了染色的效率，并保证了染色的均匀性和效果的一致性。
-
公开(公告)号：CN110413781B
公开(公告)日：2023-06-23
申请号：CN201910653833.0
申请日：2019-07-19
申请人： 淮阴工学院
IPC分类号： G06F16/35 , G06F40/289 , G06N3/084
摘要： 本发明公开了一种基于LD和ANN‑SoftMax Regressor的中医药短文本多分类方法，主要是基于已经构建好的人工实体标注的文本标签数据，对中医药短文本数据进行数据处理，首先采用jieba分词工具进行分词然后采用词袋(Bag‑of‑words)模型进行处理，再通过LD的方式建立病症同义词词典，对构建词袋后的文本onehot向量化表示利用SVD和PCA降维处理后进行ANN‑SoftMax Regressor多分类训练，最终得到中医药短文本多分类的方法。本发明方法适用于中医药和短文本分类领域可有效的使疾病的模糊症状分类更加准确。
-
公开(公告)号：CN118606650A
公开(公告)日：2024-09-06
申请号：CN202410743742.7
申请日：2024-06-11
申请人： 淮阴工学院
IPC分类号： G06F18/20 , G06F18/10 , G06F18/213 , G06F18/21 , G06F18/22 , G06N3/042 , G06N3/0442 , G06N3/08 , G06Q50/06 , G06F123/02
摘要： 本发明公开了一种水质影响因素重要性衡量方法、系统、设备及存储介质，方法包括：采集若干水质监测站点的综合数据，对综合数据进行标准规划操作，随后初步构建动态图；构建Water‑GNN模型，所述Water‑GNN模型包括知识增强型图神经网络GNN模块和门控循环单元GRU模块，通过GNN模块提取不同时间点上的特征，将特征顺序地输入到GRU模块中；完成Water‑GNN模型的训练，通过调整参数结合交叉验证以优化模型性能，使用该训练好的模型对水质进行预测；衡量各个因素对水质影响的总体重要性、时序重要性和空间重要性；本发明提供了一种更加直观和有效的方式来揭示隐藏在数据中的复杂模式和关系，从而更准确地评估各个影响因素对水质的重要性。
-
公开(公告)号：CN111914612B
公开(公告)日：2024-03-01
申请号：CN202010436478.4
申请日：2020-05-21
申请人： 淮阴工学院
IPC分类号： G06V30/422 , G06V30/19 , G06V10/82 , G06N3/0464 , G06N20/10 , G06N3/048
摘要： 工图图元的识别率。发明公开了一种基于改进的卷积神经网络的施工图图元自适应识别方法，包括：采集施工图图纸文件D1，构成施工图图像数据集D4，进行预处理，得到数据集D5；对D5进行数据增强，使用LabelImg对数据增强后的数据集D6进行标注，将标注后的数据集D7分为训练集D8与测试集D9；使用BN算法和PReLU激活函数改进卷积神经网络，将D8输入预训练模型中进行训练，得到施工图图元自适应识别模型ARM；将D9输入ARM，输出图元识别结果集PT Result；开放施工图图元自适应识别接口ARM API，用户通过Web平台上传施工图图纸Drawing，ARM API对Drawing进行图元自适(56)对比文件Shui-Hua Wang 等.Alcoholismidentification via convolutional neuralnetwork based on parametric ReLU,dropout, and batch normalization《.Neuralcomputing and applications》.2018,第32卷665-680.
-
公开(公告)号：CN117420277A
公开(公告)日：2024-01-19
申请号：CN202311397959.9
申请日：2023-10-26
申请人： 淮阴工学院
摘要： 本发明公开了一种预制菜品质监控系统及使用方法，包括：包装子系统，设置于各运输站点的检测子系统，连接包装子系统与检测子系统的数据库，以及控制终端；包装子系统用于对预制菜进行充氮包装作业，并在包装上贴信息码；检测子系统用于检测包装内预制菜的若干变质因素，并将若干变质因素数据传输至数据库中。本发明能够在不打开包装的前提下，在线检测预制菜的品质，并且依据大量变质参数在各运输站点的变化情况，来进行参数的调整，相对于现有技术，选样打开包装进行检测品质，本发明不需要打开包装，就能对所有的预制菜进行在线检测，并能根据检测数据，对各运输站进行参数调整，提高对品质的把控能力。
-
公开(公告)号：CN117390431A
公开(公告)日：2024-01-12
申请号：CN202311485302.8
申请日：2023-11-09
申请人： 淮阴工学院
IPC分类号： G06F18/213 , G06N3/0455 , G06N3/0464 , G06F18/10 , G06F18/27
摘要： 本发明公开了一种基于STL分解和VAE‑TCN网络模型的港口空气质量预测方法，将获取港口空气质量影响因素多维时间序列变量进行预处理；对多维时间序列变量进行STL分解，将分解处理得到的各个分量作为新的特征；利用VAE模型对新的特征进行降维处理，获取特征序列；将降维后得到的特征序列与原本港口空气质量数据序列进行重构，得到重构后的新时序序列；搭建港口空气质量预测TCN网络模型，使用重构后的时序序列作为模型的输入，输出预测的信息数据，训练TCN网络，得到训练好的神经网络预测模型TCN；最后将港口空气质量数据送入训练好的TCN网络预测模型进行港口空气质量预测，评估预测结果。本发明有效提升港口空气质量预测准确性和鲁棒性，简化模型，提升运算速度。
-
-
-
-
-
-
-
-
-
搜索结果
14 条记录 (耗时 0.037 秒)
