-
公开(公告)号：CN115034615B
公开(公告)日：2024-11-19
申请号：CN202210656998.5
申请日：2022-06-10
Applicant: 湖北工业大学
IPC: G06Q10/0631 , G06Q50/04 , G06N3/126
Abstract: 本发明属于制造业车间调度问题领域，更具体地，涉及一种用于作业车间调度的提高遗传规划调度规则中特征选择效率的方法，具体包括：选择训练实例采用超启发式遗传规划法(GP)运行N次生成调度规则N个；对于每个规则及其对应的每个特征，分别应用原始模型和代理模型计算每个特征到每个规则的贡献值；设置为所有贡献值的中值。本发明能够大大提高特征选择的效率，从而提高车间生产效率，进一步提升企业的工作效率。
-
公开(公告)号：CN115034615A
公开(公告)日：2022-09-09
申请号：CN202210656998.5
申请日：2022-06-10
Applicant: 湖北工业大学
Abstract: 本发明属于制造业车间调度问题领域，更具体地，涉及一种用于作业车间调度的提高遗传规划调度规则中特征选择效率的方法，具体包括：选择训练实例采用超启发式遗传规划法(GP)运行N次生成调度规则N个；对于每个规则及其对应的每个特征，分别应用原始模型和代理模型计算每个特征到每个规则的贡献值；设置为所有贡献值的中值。本发明能够大大提高特征选择的效率，从而提高车间生产效率，进一步提升企业的工作效率。
-
公开(公告)号：CN114897850A
公开(公告)日：2022-08-12
申请号：CN202210558665.9
申请日：2022-05-20
Applicant: 湖北工业大学
IPC: G06T7/00 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种检测带钢表面缺陷的有监督Dropout方法及设备。所述方法包括：步骤1至步骤10。本发明有效的解决了深度学习网络应用于带钢表面质量缺陷检测时，由于不均衡小样本训练数据集导致的过拟合问题，降低了人工智能应用该领域的成本和门槛，完全依据网络预测分类的结果，指导深度神经网络的训练，使得网络模型对于训练的带钢缺陷数据有更好的利用率，且能够在相同预测时间下显著提高测试正确率。
-
公开(公告)号：CN114897850B
公开(公告)日：2024-08-06
申请号：CN202210558665.9
申请日：2022-05-20
Applicant: 湖北工业大学
IPC: G06T7/00 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明提供了一种检测带钢表面缺陷的有监督Dropout方法及设备。所述方法包括：步骤1至步骤10。本发明有效的解决了深度学习网络应用于带钢表面质量缺陷检测时，由于不均衡小样本训练数据集导致的过拟合问题，降低了人工智能应用该领域的成本和门槛，完全依据网络预测分类的结果，指导深度神经网络的训练，使得网络模型对于训练的带钢缺陷数据有更好的利用率，且能够在相同预测时间下显著提高测试正确率。
-
-
-
Search Results
4
records
(took 0.023 seconds)
