公开(公告)号：CN114386254A

公开(公告)日：2022-04-22

申请号：CN202111620462.X

申请日：2021-12-27

Applicant: 桂林电子科技大学

Inventor： 唐成颖 ,  唐一川 ,  王中奇 ,  廖勇强 ,  韩佳妮 ,  马贵桃 ,  万媛 ,  张聪

IPC: G06F30/20 ,  G06K9/62 ,  C22C33/00 ,  C22C45/02 ,  G06F119/02

Abstract: 本发明提供一种设计高非晶形成能力的合金方法，该方法采用Fine kNN分类器来预测材料的非晶合金形成能力。本发明提供的方法，由于采用Fine kNN模型来预测材料的非晶形成能力，Fine kNN模型精准度高达95.5％，真阳性率高达96％，假阳性率低至7％，说明此模型在具有高预测能力的同时具有高泛化能力，能够极其准确的预测新型合金的非晶形成能力，大大的提高了非晶合金的研发效率，节省了人力物力资源。

公开(公告)号：CN114399109A

公开(公告)日：2022-04-26

申请号：CN202210040005.1

申请日：2022-01-14

Applicant: 桂林电子科技大学

Inventor： 唐成颖 ,  唐一川 ,  王中奇 ,  廖勇强 ,  韩佳妮 ,  马贵桃 ,  万媛 ,  韩俊成

IPC: G06Q10/04 ,  G06N20/10 ,  G06K9/62 ,  G06F30/27 ,  H01F1/14

Abstract: 本发明提供了一种基于机器学习综合预测铁基纳米晶材料多项性能的方法，包含以下步骤：1，数据库的建立；2，机器学习模型的训练；3，软磁材料性能的预测。可以实现对预测数据的类型为非晶/纳米晶软磁合金的的饱和磁感应强度、矫顽力和居里温度；预测方法中，人工神经网络模型的拟合优度可达0.98，能够实现最好的预测。与现有技术相比，本发明具有以下优点：1、具备满足预测要求的数据集，具有普遍性；2、拟合优度高达0.98，即具备极高的预测能力，能精准预测合金的软磁性能，大大的提高软磁合金研发效率，节省人力物力。