本发明涉及材料智能评估技术领域，公开了一种基于人工智能的新材料在线评估方法及系统，包括：步骤1，获取材料原始信息、在线过程实时数据和环境与设备元数据，编码成输入张量；步骤2，经分支编码器与融合器得到统一嵌入向量；步骤3，经集成子模型得到性能点预测值并计算可靠性向量；步骤4，对比阈值确定门控状态与门控失败类型；步骤5，统计门控失败率并判定漂移；步骤6，漂移时计算采样优先级值，按补测预算补测得新增标注样本集；步骤7，增量训练更新集成子模型参数与适用域统计量并回传至步骤3。本发明实现了新材料性能的在线评估与模型自适应更新。
📄 2026105115767
📂 G16C20_70
👤 龙岩学院
📅 2026-04-17
一种基于残基距离和接触信息的蛋白质结构预测方法，在Rosetta的基本框架下，引入表示空间中各个位置上残基的相互距离的距离谱和残基接触信息来提高能量函数的精度。首先初始化构象，用Rosetta第一阶段的片段组装技术生成初始种群，并在初始种群中分别对每个构象用Rosetta第二阶段的片段组装来生成新构象；然后根据设计的残基距离谱和接触信息能量函数来指导构象选择，从而更新种群；最后，按上述步骤分别进行Rosetta第三阶段和第四阶段，从而得到最终预测结果。通过残基距离和接触信息为辅来指导构象选择，从而缓解能量函数不精确导致的预测误差问题。本发明预测精度较高。
📄 2018106317066
📂 G16C20_70
👤 浙江工业大学
📅 2018-06-19
一种自动生成样本的多牌号化工过程软测量建模方法，包括以下步骤：(1)将从多牌号化工过程中采集到的数据作为原始数据，划分为训练集和测试集；(2)建立基于梯度惩罚和Wasserstein距离的生成对抗网络AGAN，将所划分的训练集输入所建立的生成对抗网络，对网络进行训练；(3)利用训练好的AGAN生成虚拟样本，与原有的训练集共同形成新的训练集；(4)利用新的训练集作为驱动数据，进行软测量建模的训练，调节软测量模型参数以适应新的训练集，利用训练好的软测量模型进行多牌号化工过程关键质量变量的预测。本发明利用自动生成对抗网络生成数据，以弥补数据量的不足，提高了基于数据驱动的软测量模型的预测准确度。
📄 201810692852X
📂 G16C20_70
👤 浙江工业大学
📅 2018-06-29
一种基于多工况分布式输出过程补偿宽度迁移建模方法，所述方法包括以下步骤：(1)数据的获取：收集不同工况特性的数据，并进行归一化处理；(2)数据集的重构；(3)建模训练：建立补偿宽度迁移模型以及其他对比模型，并进行模型训练；(4)模型测试：对目标域测试工况数据进行预测。本发明针对分布式输出过程特征变量导致的标签空间差异问题，有效结合了宽度迁移学习对特征空间信息抓取能力和偏差补偿机制对源域和目标域标签空间进行的信息传递，提出了一种基于多工况分布式输出过程补偿宽度迁移建模方法，有效的处理了苯乙烯自由基聚合反应中多工况和大噪声特性，并增强了预测的鲁棒性和准确性。
📄 2022110519781
📂 G16C20_70
👤 浙江工业大学
📅 2022-08-30
本发明公开了一种基于AlphaFold预测非天然环肽单体及其复合物三维结构的深度学习算法，具体步骤包括：获取非天然线肽数据集；划分训练集、验证集和测试集；在AlphaFold中，添加用于捕获多肽原子尺度表征的神经网络；将得到的原子尺度表征池化后与AlphaFold原有的残基尺度表征相结合；通过定义非天然氨基酸的刚性组和初始化其原子坐标实现对非天然氨基酸结构的预测；利用非天然线肽训练集和验证集对改造过的AlphaFold进行训练；使用训练好的模型在非天然线肽测试集上进行测试；获取非天然环肽测试数据集；修改模型中的相对位置编码矩阵；使用修改后的模型在非天然环肽测试集上进行测试。与之前的结构预测模型相比，本发明能够对非天然环肽单体及其复合物结构进行准确预测。
📄 2024118464729
📂 G16C20_70
👤 浙江工业大学
📅 2024-12-16
本发明公开了一种模糊非相关线性鉴别分析的茶叶品种分类方法，首先使用Antaris II傅立叶变换近红外光谱分析仪获取若干品种的茶叶样本的近红外漫反射光谱数据；接着采用Savitzky‑Golay一阶导数对采集到的茶叶样本的近红外漫反射光谱数据进行预处理；然后运用一种模糊非相关线性鉴别分析的茶叶近红外光谱特征提取方法对预处理了的茶叶近红外漫反射光谱数据进行降维处理和分类鉴别信息提取；最后利用一种Gath‑Geva模糊聚类进行茶叶品种的分类。本发明是非相关线性鉴别分析的模糊扩展形式，不仅可以解决线性鉴别分析的欠采样问题，而且能够处理非相关线性鉴别分析的“硬”类的特征提取问题，具有绿色无污染、检测样本少、鉴定成本低、判别速度快、分类准确率高等优点。
📄 2019105056557
📂 G16C20_70
👤 宜章沪宜农业开发有限公司
📅 2019-06-12
本发明提供了基于机器学习的焦炭质量预测方法及系统，通过结合焦炉焦炭质量预测模型对基础炼焦样本数据集合中的基础炼焦样本数据进行焦炭质量指标特征解析，输出焦炭质量指标特征簇，结合焦炭质量指标特征簇，将基础炼焦样本数据作为模型更新成员生成对应的模型更新知识导图，结合模型更新知识导图对基础炼焦样本数据的基础焦炉焦炭质量数据进行更新，输出进阶炼焦样本数据集合，结合进阶炼焦样本数据集合对焦炉焦炭质量预测模型进行参数层信息的调优和选取，从而应用于目标炼焦数据的焦炉焦炭质量预测，从而在训练过程中结合焦炭质量指标特征簇进行基础焦炉焦炭质量数据的更新后再进行模型训练，可以提高焦炉焦炭质量预测的可靠性。
📄 2022105575368
📂 G16C20_70
👤 安徽工业大学
📅 2022-05-19
本发明提出一种岩性识别方法，特别是涉及一种基于储层元目标的不变特征描述的岩性识别方法。该方法通过对测井曲线不变特征的提取以及描述，在实现元目标自动分层的同时，将元目标的不变特征嵌入到岩性识别的机器学习模型中，最终在未知井机器模型应用中实现了岩性预测，在保留局部储层个性的同时，大大增强了储层描述的泛化能力，不仅解决了目前利用测井曲线进行岩性识别时跨井可推广能力制约机器学习方法引入的瓶颈问题，还提升了储层描述精度和可靠性。
📄 2021104263951
📂 G16C20_70
👤 大庆东油数智科技有限公司
📅 2021-04-20
本发明提供一种基于循环神经网络的盐酸多西环素废水处理方法，其中，方法包括：步骤1：获取盐酸多西环素生产过程中的污水数据；步骤2：根据污水数据，确定污水处理参数指标；步骤3：构建循环神经网络模型；步骤4：将污水处理参数指标输入循环神经网络模型预测废水处理数据，获得废水处理数据预测结果；步骤5：根据废水处理数据预测结果，进行废水处理。本发明的一种基于循环神经网络的盐酸多西环素废水处理方法，根据盐酸多西环素的污水数据确定污水处理参数指标。根据污水处理参数指标和循环神经网络模型预测废水处理数据，根据模型输出循环预测，预测更准确，基于废水处理数据进行废水处理，制药废水处理后不具备生物毒性，更加适宜。
📄 2024100948968
📂 G16C20_70
👤 江苏医药职业学院
📅 2024-01-23
本发明公开了一种油浸式变压器非平衡故障样本预处理方法，涉及电气设备技术领域。本发明方法包括以下步骤：Step1：收集并整理油浸式变压器多类型故障样本，建立类样本不平衡数据集D；Step2：使用欧拉公式计算各类样本之间的欧拉距离L，并基于平均欧拉距离进行排序；Step3：依据类样本不平衡数据集D中各类样本数量及各类间平均欧拉距离值，使用自适应合成抽样法平衡多类故障样本量；Step4：使用多种基于油中溶解气分析的油浸式变压器故障诊断方法验证合成样本可靠性。本发明方法通过采用欧拉距离、自适应合成抽样及多种基于油中溶解气分析的故障诊断方法，能合理有效的解决多类样本不平衡问题，建立准确、可靠、平衡的变压器故障样本集。
📄 2021102957991
📂 G16C20_70
👤 新疆大学
📅 2021-03-19
本发明公开了一种基于无监督和有监督学习的水泥游离钙软测量方法，通过分析水泥工艺选取变量作为熟料fCaO软测量的输入变量，每个变量的时间序列作为模型输入；利用选取的输入变量，构建无监督和有监督学习相结合的预测模型；将稀疏自编码的解码层去除，编码层堆叠形成深层网络结构，利用确定的初始参数去初始化深层网络参数，采用BP反向误差修正算法进行有监督学习；利用训练好的无监督和有监督学习相结合的预测模型进行水泥熟料fCaO实时预测。本发明模型前向采用逐层贪婪无监督学习方式，提取数据的高层特征；结合有监督的反向微调进一步优化参数，利用训练好的深层网络实现熟料fCaO实时预测。
📄 2019107176869
📂 G16C20_70
👤 燕山大学
📅 2019-08-05
本发明涉及机器学习技术领域，公开了一种基于机器学习的掺杂团簇基态结构优化方法及系统，方法包括：采集原始掺杂团簇数据并进行优化作为掺杂团簇标准数据集，并将掺杂团簇标准数据集划分为训练集、验证集和测试集；通过在原始SchNet中添加原子间相互作用注意力机制构建掺杂团簇势能面拟合机器学习网络，并利用训练集和验证集进行训练；将测试集输入训练好的掺杂团簇势能面拟合机器学习网络中，得到并输出最终掺杂团簇势能面；使用人工蜂群算法在最终掺杂团簇势能面上进行结构搜索和优化，不断更新结构直到寻找到能量最低的基态结构。本发明提高了势能面拟合的精确度，提升了计算效益，且良好的可移植性。
📄 2024118378371
📂 G16C20_70
👤 华侨大学
📅 2024-12-13
柿子坊 · 知识产权运营
柿子坊知识产权运营平台