公开(公告)号：CN111008738A

公开(公告)日：2020-04-14

申请号：CN201911225486.8

申请日：2019-12-04

申请人： 云南锡业集团(控股)有限责任公司研发中心

发明人： 马朝君 ,  王旖旎 ,  张文兵 ,  陈光云 ,  彭巨擘 ,  沈韬 ,  刘英莉 ,  朱艳

IPC分类号： G06Q10/04 ,  G06N3/08 ,  G06N3/04

摘要： 本发明公开了一种基于多模态深度学习的Sn-Bi合金延伸率和抗拉强度的预测方法，属于人工智能领域；本发明方法与现有技术相比，构建的多模态神经网络模型实现了结构化数据与非结构化数据的多模态融合，将卷积神经网络和神经网络进行桥接和融合，提高了模型预测准确率；将深度学习中的卷积神经网络用来进行数据预测；解决了不同配比锡铋系合金在不同试验条件下抗拉强度与延伸率的高准确率预测的问题，本发明方法误差在正负5％-10％之间，相较于传统的机器学习模型误差的40％-50％，本发明多模态深度学习模型的准确率有了很大的提高。

公开(公告)号：CN110910969A

公开(公告)日：2020-03-24

申请号：CN201911225351.1

申请日：2019-12-04

申请人： 云南锡业集团(控股)有限责任公司研发中心

发明人： 马朝君 ,  王旖旎 ,  张文兵 ,  陈光云 ,  彭巨擘 ,  沈韬 ,  刘英莉 ,  朱艳

IPC分类号： G16C20/30 ,  G16C20/70 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于迁移学习的锡铋合金性能预测方法，该方法通过构建深度信念网络，利用该模型，将学习到的先验知识迁移到新锡铋合金的特征学习中，对不同比例下的新型锡铋合金的性能进行预测，本发明利用已有的锡铋合金性能数据及预测模型的先验知识，在基于少量数据的实验情况下，能够有效降低深度学习算法由于样本量过少，不能有效学习到数据特征的问题；本发明方法利用迁移学习可以对新锡铋合金的对应性能进行预测，弥补了锡铋合金性能预测领域一定程度上的空缺；本发明方法实现的性能预测模型达到的预测率较未使用迁移学习的性能预测模型的预测率有了较大提高。