-
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:CN116823313A
公开(公告)日:2023-09-29
申请号:CN202310741114.0
申请日:2023-06-21
申请人: 淮阴工学院
IPC分类号: G06Q30/0201 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06Q10/04
摘要: 本发明公开了基于CEEMDAN和AE‑TCN的多维碳价预测方法,包括:获取碳市场价格影响因素多维时间序列变量;对多维时间序列变量进行CEEMDAN分解,得到由多个IMFs构成的IMF集合;利用AE模型对IMF集合进行降维,获取特征序列;将降维得到的特征序列与历史碳价数据序列进行重构,得到重构后的时序序列;构建用于碳价预测的神经网络预测模型TCN,TCN模型中引入非线性变换以更好地拟合数据;利用重构后的时序序列对神经网络预测模型TCN进行训练,得到训练好的神经网络预测模型TCN;利用训练好的神经网络预测模型TCN进行碳价预测,评估预测结果。本发明能够提升碳价预测准确性,简化模型,提升运算速度。
-
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:CN117838142A
公开(公告)日:2024-04-09
申请号:CN202410201351.2
申请日:2024-02-23
申请人: 淮阴工学院
IPC分类号: A61B5/318 , G06F18/213 , G06F18/20 , G06F18/10
摘要: 本发明公开了一种降低心电信号噪声干扰的方法、系统和设备,方法包括:对初始心电信号进行互补集合经验模态分解得到各阶本征模态函数集合,并对各阶本征模态函数进行平均;对上一步的结果进行最大重叠离散小波变换,得到近似系数和细节系数,确定阈值和阈值函数,计算小波系数;将小波系数分解,提取信号特征函数重构合并,实现降低心电信号噪声干扰;本发明通过互补集合模态分解与最大重叠离散小波变换结合处理心电信号,可以更好地提取出在不同尺度下的信号特征和信息。
-
公开(公告)号:CN117078632A
公开(公告)日:2023-11-17
申请号:CN202311052477.X
申请日:2023-08-21
申请人: 淮阴工学院
IPC分类号: G06T7/00 , G06V10/44 , G06V10/80 , G06T5/00 , G06T3/00 , G06T3/60 , G06V10/46 , G06N3/048 , G06N3/0464 , G06N3/08
摘要: 本发明公开了一种基于多模态数据的工厂管道的烟雾和火焰检测方法,获取不同类型烟雾和火焰的多模态数据,并进行预处理;对于可见图像部分采用SIFT描述符和SURF描述符提取图像局部特征点,通过融合两种描述符提取视觉特征;对于红外图像使用梯度模式提取方法;对于烟雾数据,直接使用烟雾浓度特征作为模型输入;先使用逐元素操作将两种图像进行数据融合,再使用注意力机制对融合后的数据进行加权;经过多模态数据融合后,使用混合模型融合后的特征和烟雾数据输送到Yolov7算法的输入端进行目标检测。本发明将可见光摄像头和红外摄像头的多模态数据进行融合,并通过特征增强提高工厂管道烟雾和火焰检测的准确性和可靠性。
-
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。
-
-
-
-
-