-
公开(公告)号：CN112685962B
公开(公告)日：2024-03-29
申请号：CN202110090962.0
申请日：2021-01-22
申请人： 华东理工大学
IPC分类号： G06F30/27 , G06F119/18
摘要： 本发明提供了一种基于机器学习的材料屈服强度预测方法，包括：初步获取若干组待测材料的微观结构参数及其对应的屈服强度，得到初始数据集；根据初始数据集对第一极限学习机模型进行训练，得到初始的屈服强度预测模型；根据初始的屈服强度预测模型的预测结果，有针对性地再获取若干组微观结构参数及其对应的屈服强度，得到真实数据集；利用真实数据集对第二极限学习机模型进行训练和测试，得到最终的屈服强度预测模型；利用待测材料的微观结构参数和最终的屈服强度预测模型预测得到待测材料的屈服强度。本发明的材料屈服强度预测方法，能够以有限的数据量，较为准确地预测待测材料的屈服强度，具有精度高、快速预测、可实施材料性能评估的优点。
-
公开(公告)号：CN116759282A
公开(公告)日：2023-09-15
申请号：CN202310820679.8
申请日：2023-07-05
申请人： 华东理工大学
摘要： 本发明公开了一种FIB专用样品台及其空间调整方法，包括样品台、载物台和支座，支座的两端分别与载物台和样品台可拆卸连接，载物台上有至少两个不平行的连接面能够与支座可拆卸连接，载物台上设置有一置物面，试样的一端连接于置物面上、另一端伸出置物面。本发明的载物台具有可拆卸的特点，便于更换与调整试样的空间位置，实现了复杂微观力学测试试样的多方位加工，克服了现有单一FIB加工模式；使样品台可应用于试样的存放、加工、试验等多种场景，具有良好的兼容性；提供了一种成本低、可操作性高的样品台及其空间调整方法，便于批量加工微观力学性能测试试样。
-
公开(公告)号：CN105439975B
公开(公告)日：2018-07-24
申请号：CN201510876250.6
申请日：2012-12-27
申请人： 华东理工大学 , 苏州大学附属第一医院 , 中国科学院上海药物研究所
IPC分类号： C07D265/36 , C07D413/12 , A61K31/538 , A61P29/00 , A61P19/02
摘要： 本发明涉及一种杂环取代苯乙烯类化合物及其用途。本发明公开了一种经杂环基、烷氧基及卤素修饰的苯乙烯类化合物。该类化合物经对Syk抑制活性的测试，结果表明：其对脾酪氨酸激酶(Syk)有抑制活性(且部分化合物对Syk有较强的抑制活性)，为今后进一步设计开发新型Syk抑制剂类类风湿性关节炎(RA)治疗药物奠定了结构基础。
-
公开(公告)号：CN103060355A
公开(公告)日：2013-04-24
申请号：CN201110325905.2
申请日：2011-10-21
申请人： 上海中医药大学附属普陀医院 , 华东理工大学
发明人： 范忠泽 , 肖海娟 , 许建华 , 刘建文 , 孙珏 , 崔大苓 , 徐可 , 梁欣 , 李琦 , 殷佩浩 , 高虹 , 赵成根 , 陆海 , 金泉克 , 王国娟 , 余文燕 , 朱晏伟 , 张勇
摘要： 本发明属生物技术领域，涉及BCL2基因3-UTR双荧光素酶报告基因质粒及其构建方法。本发明通过将凋亡抑制基因BCL2的3-UTR区域插入双荧光素酶报告质粒pGL3-promoter的Xba I位点，构建包含BCL2的3-UTR区域的双荧光素报告基因质粒pGL3-p-BCL2-3-UTR，用于检测hsa-mir-1915对BCL2基因的调控作用，从而便于对细胞内microRNA调控的检测。本发明检测细胞内hsa-mir-1915的表达，从而标示细胞内特异的microRNA表达水平，为细胞内microRNA检测提供新的研究方法；所构建的BCL2基因的3-UTR区双荧光素酶报告基因质粒可用于检测细胞内hsa-mir-1915对BCL2基因的调控作用；进一步用于microRNA的抗肿瘤研究中，具有极佳的应用前景。
-
公开(公告)号：CN112951344B
公开(公告)日：2024-04-02
申请号：CN202110090971.X
申请日：2021-01-22
申请人： 华东理工大学
摘要： 本发明提供基于机器学习的材料均匀延伸率预测方法，包括：初步获取若干组待测材料的微观结构参数及均匀延伸率，得到标准数据集；根据标准数据集对第一极限学习机模型进行训练和测试，得到初始均匀延伸率预测模型；有针对性地再获取若干组待测材料的微观结构参数及均匀延伸率，得到真实数据集和第二均匀延伸率预测模型；利用结合粒子群优化算法的虚拟样本生成方法，围绕一部分真实样本生成虚拟样本；使用第二均匀延伸率预测模型对全部样本进行训练和测试，得到最终均匀延伸率预测模型。本发明的均匀延伸率预测方法，能够以较少的数据量，较为准确地预测均匀延伸率；本发明可以节省原始材料成本和计算时间成本，具有高精度、低成本的优点。
-
公开(公告)号：CN112685962A
公开(公告)日：2021-04-20
申请号：CN202110090962.0
申请日：2021-01-22
申请人： 华东理工大学
IPC分类号： G06F30/27 , G06F119/18
摘要： 本发明提供了一种基于机器学习的材料屈服强度预测方法，包括：初步获取若干组待测材料的微观结构参数及其对应的屈服强度，得到初始数据集；根据初始数据集对第一极限学习机模型进行训练，得到初始的屈服强度预测模型；根据初始的屈服强度预测模型的预测结果，有针对性地再获取若干组微观结构参数及其对应的屈服强度，得到真实数据集；利用真实数据集对第二极限学习机模型进行训练和测试，得到最终的屈服强度预测模型；利用待测材料的微观结构参数和最终的屈服强度预测模型预测得到待测材料的屈服强度。本发明的材料屈服强度预测方法，能够以有限的数据量，较为准确地预测待测材料的屈服强度，具有精度高、快速预测、可实施材料性能评估的优点。
-
公开(公告)号：CN112651164A
公开(公告)日：2021-04-13
申请号：CN202110072083.5
申请日：2021-01-20
申请人： 华东理工大学
IPC分类号： G06F30/25 , G06F30/27 , G06N3/00 , G06N3/04 , G06N20/00 , G06F111/06 , G06F119/04 , G06F119/14
摘要： 本发明提供了一种基于机器学习的蠕变疲劳寿命预测方法，包括：获取待预测的蠕变疲劳寿命数据组，分为训练集和测试集，每一个蠕变疲劳寿命数据组均包括实验蠕变疲劳工况参数、中间计算参数和相对应的蠕变疲劳对数寿命；提供ELM模型，利用训练集中的数据通过粒子群优化算法得到ELM模型的最优权重矩阵、最优偏置向量，进而得到蠕变疲劳寿命预测模型；根据测试集中的蠕变疲劳寿命数据组对所述蠕变疲劳寿命预测模型的精度进行验证。本发明弥补了传统方法在预测蠕变疲劳寿命时精度低、成本高的不足，可充分利用变异PSO算法优化ELM模型权重矩阵和偏置向量的优势，具有误差小、成本低、效率高的优点。
-
公开(公告)号：CN112580233A
公开(公告)日：2021-03-30
申请号：CN202011340592.3
申请日：2020-11-25
申请人： 华东理工大学
IPC分类号： G06F30/23 , G16C60/00 , G06F119/14
摘要： 本发明提供了一种考虑晶粒尺寸的金属强韧性能预测方法，包括：建立与金属材料的晶粒尺寸相关的损伤模型，嵌入用户子程序UMAT的本构模型中；通过模拟拟合所需预测的金属材料的多种不同的微观结构的应力应变关系，得到所需的一参数组；建立所需预测的金属材料的微观结构模型，计算模型中每个晶粒的尺寸并赋予到材料参数模块；确定边界条件和加载条件，并根据参数组预测金属材料的力学性能。本发明的金属材料强韧性能预测方法，能够更好地考虑晶粒尺寸对材料综合性能的影响，准确预测材料的力学性能，具有精度高、灵活性强、可实施材料性能评估和直观的优点。
-
公开(公告)号：CN108225984A
公开(公告)日：2018-06-29
申请号：CN201810089743.9
申请日：2018-01-30
申请人： 华东理工大学
IPC分类号： G01N13/00
摘要： 一种纤维的油滴聚结性能的测试方法，其特征在于，包括如下步骤：步骤一，采用微流控装置，连续产生粒径均匀的多个油滴；步骤二，所述步骤一中连续产生的所述多个油滴，进入含有表面活性剂的保护液中，受浮力作用上浮，并且在所述保护液的作用下，所述油滴保持其完整形态；步骤三，经过所述步骤二保护后的所述多个油滴，在所述待测纤维表面发生碰撞、粘附、聚结等微观过程，均通过观察记录设备记录，获得所述油滴在所述待测纤维表面的形态变化情况的视频和/或图像；分析所述视频和/或图像，判断所述待测纤维的油滴聚结性能。
-
公开(公告)号：CN112686361A
公开(公告)日：2021-04-20
申请号：CN202011565995.8
申请日：2020-12-25
申请人： 华东理工大学
IPC分类号： G06N3/00
摘要： 本发明提供基于改进蚁狮优化算法的虚拟样本生成方法，包括：根据整体趋势扩散技术确定生成的虚拟样本的下边界和上边界；通过试参法确定ELM模型的隐含层的神经元个数，使ELM模型预测的平均绝对百分比误差小于10％；通过引入蚁狮主动高斯变异、自适应游走边界机制对蚁狮优化算法进行改进，通过改进的蚁狮优化算法，随机选定真实样本，并围绕其生成若干个虚拟样本。本发明的虚拟样本生成方法弥补了传统机器学习模型在处理小样本问题时预测精度不高的不足，并可充分利用改进后的蚁狮优化算法的优势，生成可靠性更高的虚拟样本，扩大原始数据训练集，具有误差小、适用性强、精确度高的优点。
-
-
-
-
-
-
-
-
-
搜索结果
24 条记录 (耗时 0.035 秒)
