-
公开(公告)号：CN113241132B
公开(公告)日：2022-12-09
申请号：CN202110496009.6
申请日：2021-05-07
Applicant: 北京理工大学
Abstract: 本发明涉及一种材料辐照损伤预测机器学习模型的建立方法和系统。该材料辐照损伤预测机器学习模型的建立方法，将获取的激光考核数据集中的样本数据按设定比例划分为训练集和测试集后，根据训练集中的样本数据生成与决策树回归模型个数相同的新的训练集，再以生成的新的训练集中样本数据的自变量为输入，以训练集中样本数据的响应变量为输出对获取的机器学习模型进行训练，得到材料辐照损伤预测机器学习模型。本发明通过以上过程构建得到的材料辐照损伤预测机器学习模型，可以解决现有技术中存在的效率低，成本高，周期长，只针对特定体系、计算量大、达不到定量描述材料性质的要求等问题。
-
公开(公告)号：CN113241132A
公开(公告)日：2021-08-10
申请号：CN202110496009.6
申请日：2021-05-07
Applicant: 北京理工大学
Abstract: 本发明涉及一种材料辐照损伤预测机器学习模型的建立方法和系统。该材料辐照损伤预测机器学习模型的建立方法，将获取的激光考核数据集中的样本数据按设定比例划分为训练集和测试集后，根据训练集中的样本数据生成与决策树回归模型个数相同的新的训练集，再以生成的新的训练集中样本数据的自变量为输入，以训练集中样本数据的响应变量为输出对获取的机器学习模型进行训练，得到材料辐照损伤预测机器学习模型。本发明通过以上过程构建得到的材料辐照损伤预测机器学习模型，可以解决现有技术中存在的效率低，成本高，周期长，只针对特定体系、计算量大、达不到定量描述材料性质的要求等问题。
-
Search Results
2
records
(took 0.018 seconds)
