-
公开(公告)号：CN118966398A
公开(公告)日：2024-11-15
申请号：CN202410872521.X
申请日：2024-07-01
Applicant: 三峡大学
IPC: G06Q10/04 , G06Q50/04 , G06N3/0499 , G06N3/084 , G06N3/086
Abstract: 基于GA‑BP预测模型的大规模定制化排样用料问题预测方法，包括：对于排样零件数据预处理；提取原片与切片的相关特征，将零件与板材之间的关系划分为多种集合，每种集合生成多个特征值，作为GA‑BP预测模型的输入；建立BP神经网络模型；采用遗传算法自变量数据降维方法对特征数据进行降维；采用遗传算法来优化BP神经网络模型的初始权值和阈值；基于GA‑BP预测模型对排样总高度进行预测。该方法通过建立有效的板材用料预测模型，对排样的总高度进行精准的预测，企业能够根据预测值快速推断出所需板材的数量和材料利用率，从而来判断需要储备的板材数量，分析影响板材用料的重要因素，制定更高效的组批与排样计划来缩短交货周期、降低库存成本。
-
公开(公告)号：CN115804601A
公开(公告)日：2023-03-17
申请号：CN202211465938.1
申请日：2022-11-22
Applicant: 三峡大学
IPC: A61B5/16 , A61B5/374 , G06F18/2431 , G06F18/214 , G06N5/01
Abstract: 基于多复杂度减速器装配场景的N‑Back次任务脑电试验方法，包括以下步骤：受试者佩戴脑电仪，用于减速器装配试验数据采集；受试者按照简单装配任务、一般装配任务、复杂装配任务的顺序，依次完成3种不同复杂度的装配任务；引入N‑Back听觉反馈试验，作为减速器装配任务的次任务，依照0‑back，1‑back，2‑back的顺序将次任务分为3级，依次对应低级认知负荷、中级认知负荷、高级认知负荷；采集并获取减速器装配试验数据指标，包括主观评价指标、脑电特征指标、装配任务指标；构建基于互信息量的随机森林模型，实现了受试者认知负荷的分类评估。本发明基于互信息量的随机森林模型分类效果显著优于其他分类模型，多维特征可有效降低算法欠拟合能力，提高分类精度。
-
公开(公告)号：CN118155591A
公开(公告)日：2024-06-07
申请号：CN202410308312.2
申请日：2024-03-18
Applicant: 三峡大学
Abstract: 本发明提供一种具有引导和评估功能的智能钢琴教学方法及系统，涉及音乐教学设备技术领域。本发明包括与终端通信，获取曲谱信息，再将顺序依次识别曲谱信息的所有音符，并对每个音符的位置和持续时长，将音符与对应的持续时长进行匹配，得到整个曲谱的时间序列，再使得对应的按键、音符和时长对应，利用在对应的琴键上设置照明提示模块，引导和指示弹奏者进行操作，并对全过程进行及时纠错和录音，用于在音乐教学过程中，丰富了钢琴教学形式、增强了学习体验感，大大提高教学效率，无需老师只需要钢琴就能让初学者达到入门的地步，大大降低了钢琴的入门门槛，降低了钢琴学习的成本。
-
公开(公告)号：CN119539144A
公开(公告)日：2025-02-28
申请号：CN202411461713.8
申请日：2024-10-18
Applicant: 三峡大学
IPC: G06Q10/04 , G06F18/213 , G06F18/2113 , G06F18/23213 , G06Q50/04
Abstract: 本发明提供一种基于块材零件毛坯切割工艺的库存构成决策优化方法，涉及板材切割下料智能制造领域。通过零件的尺寸特征进行特征提取，获取数据集，再搭建Isolation Forest决策模型并进行模型训练，再将待测原材料的特征输入到已训练的决策模型中，进行特征筛选后，采用SOM和K‑means聚类方法，识别出相似零件的聚类中心，计算每种排样方式的原材料损失体积，并以此作为适应度进行种群迭代，优化排样结果，并选择当前适应度最低的排样方案作为最优解，有效整合了数据分析和机器学习技术，提升了块材零件切割工艺的效率和效果，通过聚类分析和迭代优化，可以实现更加精准的资源利用，从而降低了原材料浪费，提升了材料利用率。
-
-
-
Search Results
4
records
(took 0.021 seconds)
