-
公开(公告)号：CN110059416B
公开(公告)日：2023-01-31
申请号：CN201910323285.5
申请日：2019-04-22
Applicant: 东南大学
IPC: G06F30/23 , G06F30/17 , G06F111/10 , G06F119/08
Abstract: 本发明公开了一种基于灵敏度分析的利用温度场识别热物理参数的方法，包括建立结构有限元分析模型并赋值热物理参数，施加温度场边界条件，并进行稳态热传导分析，得到稳定温度场和仿真温度值；采用与有限元分析模型同一尺寸、同一材料的结构进行试验得到真实温度场，并选择其中具有代表性的测点；选取热物理参数的初始参数，将初始参数摄动1.2倍赋值为热物理参数，进行稳态热传导分析得到稳定温度场作为真实温度场和试验温度值；对热物理参数进行灵敏度分析，即为温度对热物理参数的一阶偏导，并根据试验温度值与仿真温度值之间的温度差ΔT求解热物理参数P，进行热物理参数的残差分析，直至收敛即可以得到准确的热物理参数。
-
公开(公告)号：CN112966115B
公开(公告)日：2021-08-06
申请号：CN202110541764.1
申请日：2021-05-18
Applicant: 东南大学
IPC: G06F16/35 , G06F40/126 , G06N20/00
Abstract: 本申请公开了一种基于记忆损失预测和延迟训练的主动学习事件抽取方法，该方案通过预测无标注样本的损失对其进行筛选，获取高质量的无标注样本进行标注。首先构建两个记忆模块，分别是已学习记忆模块和已选择记忆模块，已学习记忆模块在监督学习模型训练的过程中，存储已经学过的信息到已学习记忆模块，在样本选择的过程中，已选择记忆模块随着样本的选择存储已经选择的样本信息，综合两个记忆模块的信息对新样本的损失进行预测，得到样本损失后，利用内‑外损失排序策略启发式地选择有价值的样本进行标注，同时，提出了一种延迟训练策略，模拟样本选择场景对样本损失模型进行监督，最后得到一种低标注成本的高质量事件抽取模型。
-
公开(公告)号：CN112966115A
公开(公告)日：2021-06-15
申请号：CN202110541764.1
申请日：2021-05-18
Applicant: 东南大学
IPC: G06F16/35 , G06F40/126 , G06N20/00
Abstract: 本申请公开了一种基于记忆损失预测和延迟训练的主动学习事件抽取方法，该方案通过预测无标注样本的损失对其进行筛选，获取高质量的无标注样本进行标注。首先构建两个记忆模块，分别是已学习记忆模块和已选择记忆模块，已学习记忆模块在监督学习模型训练的过程中，存储已经学过的信息到已学习记忆模块，在样本选择的过程中，已选择记忆模块随着样本的选择存储已经选择的样本信息，综合两个记忆模块的信息对新样本的损失进行预测，得到样本损失后，利用内‑外损失排序策略启发式地选择有价值的样本进行标注，同时，提出了一种延迟训练策略，模拟样本选择场景对样本损失模型进行监督，最后得到一种低标注成本的高质量事件抽取模型。
-
公开(公告)号：CN110059416A
公开(公告)日：2019-07-26
申请号：CN201910323285.5
申请日：2019-04-22
Applicant: 东南大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于灵敏度分析的利用温度场识别热物理参数的方法，包括建立结构有限元分析模型并赋值热物理参数，施加温度场边界条件，并进行稳态热传导分析，得到稳定温度场和仿真温度值；采用与有限元分析模型同一尺寸、同一材料的结构进行试验得到真实温度场，并选择其中具有代表性的测点；选取热物理参数的初始参数，将初始参数摄动1.2倍赋值为热物理参数，进行稳态热传导分析得到稳定温度场作为真实温度场和试验温度值；对热物理参数进行灵敏度分析，即为温度对热物理参数的一阶偏导，并根据试验温度值与仿真温度值之间的温度差ΔT求解热物理参数P，进行热物理参数的残差分析，直至收敛即可以得到准确的热物理参数。
-
-
-
Search Results
4
records
(took 0.021 seconds)
