-
公开(公告)号：CN119943205A
公开(公告)日：2025-05-06
申请号：CN202510010311.4
申请日：2025-01-03
Applicant: 东北大学
IPC: G16C20/50 , G16C20/70 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/092 , G06N3/094 , G06N3/0985 , G06F18/2415
Abstract: 本申请提出一种融合凸优化和进化学习的新药物分子设计方法及装置，属于生物信息领域，其中方法包括：在生成对抗网络中，采用生成器生成小分子序列，所述生成器是在长短期记忆网络中添加注意力机制模型而建立；采用判别器评估所述小分子序列的真实性，所述判别器采用基于凸优化改进的卷积神经网络建立；采用策略梯度法更新生成器的参数，采用梯度下降法更新判别器的参数；以最终的生成器的参数对应的生成器生成最终的小分子序列。本申请能够生成与原始样本相似性高、有效性和创新性更强的小分子，提高了生成分子的多样性和质量，尤其在生成具有特定功能性分子方面表现出色。
-
公开(公告)号：CN119204476A
公开(公告)日：2024-12-27
申请号：CN202410808546.3
申请日：2024-06-21
Applicant: 东北大学
IPC: G06Q10/0631 , G06Q10/087 , G06Q50/04
Abstract: 本发明公开了一种基于钢种集约的炼钢生产与库存优化方法，涉及冶金自动控制技术领域。本发明能够根据订单的客户需求和交货期、出钢记号要求，合理对出钢记号进行替代和集约化处理，在满足订单需求的条件下，发挥设备最大潜能，减少生产过程中出钢记号的切换次数，制定出符合订单交货期的批量生产计划，精确地确定不同时间段内生产的出钢记号和批量大小、出钢记号与订单的匹配关系和分配量大小，得到最小化的启动成本、库存成本、缺货成本以及替代成本，实现优化炼钢多时段生产与库存计划的目的。
-
公开(公告)号：CN119068240A
公开(公告)日：2024-12-03
申请号：CN202411086279.X
申请日：2024-08-08
Applicant: 东北大学
Abstract: 本发明提供一种基于多目标进化深度学习的钢铁产品质量缺陷识别方法，涉及钢铁产品质量识别技术领域。该方法首先采用自动神经网络加深技术构建原始钢铁产品质量缺陷识别模型；然后采用多目标差分进化算法对得到的最佳原始钢铁产品质量缺陷识别模型进行剪枝处理，降低网络计算复杂度；接着，基于偏好向量从多目标差分进化算法剪枝处理后获取的帕累托前沿上确定偏好Knee解；最后根据获取的Knee解确定钢铁产品质量缺陷识别模型，并重新进行训练获得在测试数据集上对应的准确率，验证模型有效性。该方法成功摆脱了依靠人工经验定义网络结构，同时所获得的质量缺陷识别模型在识别准确率与模型复杂度方面表现出较理想的性能。
-
公开(公告)号：CN117391307A
公开(公告)日：2024-01-12
申请号：CN202311482075.3
申请日：2023-11-08
Applicant: 东北大学
IPC: G06Q10/063 , G06F17/10 , G06Q50/04
Abstract: 本发明提供一种基于铸坯质量解析的炼钢生产组批方法，涉及冶金自动控制技术领域。本发明以铸坯质量分级和判定的历史数据为依据，对不同炼钢记号和宽度的铸坯的质量合格率进行解析；在此基础上，以订单材料申请欠量为基础，以生产工艺要求为约束，以效率、成本和质量协同优化为目标，建立数学模型精准描述不同类型的订单在炼钢阶段组批生产关系，设计基于连连铸批方案生成与连连铸批方案选择迭代的寻优方法，获得最优连连铸批方案组合，从而在确保全部订单按时、按质、按量交付的前提下，降低生产附加成本，提高生产效率。
-
公开(公告)号：CN117371494A
公开(公告)日：2024-01-09
申请号：CN202311386259.X
申请日：2023-10-23
Applicant: 东北大学
IPC: G06N3/0464 , G06F18/21 , G06F18/25 , G06F18/2135 , G06N3/045 , G06N3/0442 , G06N3/082 , G06N3/084 , G06N3/0985
Abstract: 本发明提供一种基于多目标优化和群卷积网络融合的认知负荷解析方法，涉及深度学习技术领域，本发明首先基于公开的脑电认知负荷数据集，本发明利用了一种数据多维转换方法，将原始数据转换成脑电功率谱图。并且搭建了CNN‑GRU网络架构，使用CNN对频谱图的空间特征进行提取，使用GRU对频谱图的时间变化规律进行学习，按照并联结构进行排列，将提取到的特征进行融合，最终实现对认知负荷等级的分类。为解决有标签脑电信号数据较少的问题，引入群论理论至神经网络模型。基于p4复合群，设计群卷积操作，搭建群等变卷积神经网络模型。同时利用多目标贝叶斯算法优化网络参数，进一步增强网络性能。
-
Patent Agency Ranking
公开(公告)号：CN112541625B
公开(公告)日：2023-12-08
申请号：CN202011417573.6
申请日：2020-12-07
Applicant: 东北大学
IPC: G06Q10/04 , G06Q50/04 , G06N3/006 , G06N20/10 , G06F18/15 , G06F18/214 , G06F123/02
Abstract: 本发明提供一种自适应多工况钢铁二次能源发生量动态预测方法，涉及钢铁能源预测技术领域。本发明通过获取多工况下焦炉煤气发生量历史数据，设定焦炉煤气发生量数据预处理时间间隔，读取系统时钟数据，对采集的焦炉煤气发生量数据进行预处理操作，并划分多工况数据集，设置粒子群优化方法参数以及最小二乘支持向量机参数，并对参数进行初始化，利用智能方法拟合时序数据中焦炉煤气发生量预测模型参数，识别工况完成焦炉煤气发生量预测，实现焦炉煤气动态多工况预测应用的稳定、可靠、准确，并可自适应学习预测模型参数，给能源管理人员制定煤气调度计划提供科学数据支持，以降低能源放散，提髙精细化利用，稳定生产供应，降低能源成本。
-
公开(公告)号：CN117058120A
公开(公告)日：2023-11-14
申请号：CN202311093428.0
申请日：2023-08-29
Applicant: 东北大学
Abstract: 本发明提供一种基于双目视觉的转炉出钢液位实时检测系统及方法，涉及转炉全自动出钢技术领域，本发明系统包括双目工业相机、工控机、高清显示器、三自由度相机固定夹、相机保护壳体、相机风冷装置、千兆网络传输线、相机备用电源、转炉出钢液位实时检测操作软件；本发明通过双目相机以软触发方式采集转炉出钢过程的图像并传输至工控机中，同时将旋转编码器中当前转炉倾角θ传输至工控机，判断当前图像帧是否有效，对有效双目图像进行预处理，得到有效特征点，最终实现对转炉出钢液位的预测。
-
公开(公告)号：CN116663578A
公开(公告)日：2023-08-29
申请号：CN202310716988.0
申请日：2023-06-16
Applicant: 东北大学
IPC: G06F40/58 , G06N3/0455 , G06N3/092 , G06N3/084 , G06F18/214 , G06F18/21 , G06F40/284 , G06F40/216 , G06N3/0985
Abstract: 本发明涉及深度学习和自然语言处理技术领域，提供了一种基于策略梯度方法改进的神经机器翻译方法，用以解决深度学习模型中超参数自适应设计的问题，提高了机器翻译模型结果的准确率。该方法首先对输入神经机器翻译模型的平行语料库进行数据预处理，获取标准格式的文本数据；然后构建用于输出Transformer模型参数的控制器模型，采样输出Transformer模型参数；训练Transformer模型至收敛，选择Transformer模型验证集上的最小损失计算得到策略梯度算法的奖励和控制器模型的损失，更新控制器模型参数；最后进行控制器模型测试，采样得到Transformer模型参数并训练，并在待翻译的测试集上进行测试Transformer模型性能。实验结果表明所提方法在Multi30k的德英数据集和IWSLT英德数据集上取得了良好的结果。
-
公开(公告)号：CN111062571A
公开(公告)日：2020-04-24
申请号：CN201911134869.4
申请日：2019-11-19
Applicant: 东北大学
Abstract: 本发明提供一种面向铝行业的锭型选择与合同组批的集成优化方法，涉及冶金自动控制技术领域。该方法首先获取铝企业历史生产合同数据以及与其匹配的备选锭型，并建立分类器；然后获取当前生产合同的产品规格参数信息，通过分类器确定与其匹配的备选锭型，进而确定当前生产合同与备选锭型之间的匹配关系；建立数学模型对锭型选择与合同组批集成决策问题通过决策变量进行定量化描述；确定初始组锭方案，构造最优组锭方案选择模型；求解最优组锭方案选择模型，获得优质组锭方案的最优组合，将优质组锭方案的最优组合转化为连铸工序的生产指令，下发到生产车间执行生产，实现铝企业锭型的选择与合同组批的集成优化。
-
公开(公告)号：CN110918651A
公开(公告)日：2020-03-27
申请号：CN201911239815.4
申请日：2019-12-06
Applicant: 东北大学
Abstract: 本发明涉及钢铁企业冷轧精整生产过程的自动控制技术领域，提供一种基于多分类支持向量机的钢铁冷轧精整生产原料分配方法。首先采集精整生产样本集合；然后对精整生产样本集合依次进行特征一次选择、One-Hot编码、基于随机森林模型的特征二次选择、数据标准化；接着，在任意两类样本间构建子学习机，H个子学习机构成基于多分类支持向量机的钢铁冷轧精整生产原料分配模型，并基于贝叶斯优化方法对模型参数进行优化，选择出准确率最高的超参数组合，得到训练后的原料分配模型；最后，采集待分配原料的信息数据，将数据清洗后的特征输入训练后的原料分配模型中，得到原料分配结果。本发明能够提高原料分配的精度和效率，减小工人的工作量。
-
-
-
-
-
-
-
-
-
Search Results
175
records
(took 0.034 seconds)
