-
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:CN118332116A
公开(公告)日:2024-07-12
申请号:CN202410449200.9
申请日:2024-04-12
申请人: 淮阴工学院
摘要: 本发明涉及文本分类技术领域,公开了一种基于掩码与因果语言模型多层特征加权融合的文本分类方法,包括:对输入的文本进行预处理,得到预处理后的文本表示;分别利用掩码和因果语言模型对预处理后的文本表示进行编码,得到掩码和因果语言模型的多层编码特征;设置一个可学习的权重向量对掩码和因果语言模型多层编码特征进行加权融合;将融合特征表示输入Softmax分类器,得到文本的分类结果。与现有技术相比,本发明将掩码和因果语言模型所学习到的不同语义信息进行加权融合,能够更好地表征文本的语义信息,从而提高文本分类的准确性和鲁棒性。
-
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。
-
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。
-
-
-
-