-
公开(公告)号：CN110610043B
公开(公告)日：2022-11-11
申请号：CN201910854740.4
申请日：2019-09-10
Applicant: 辽宁工程技术大学
IPC: G06F30/20 , G06F119/14
Abstract: 本发明公开了一种对倾斜煤层采空区底板的破坏深度的计算方法，步骤为：构建倾斜煤层采空区底板应力求解模型；推导倾斜煤层采空区底板破坏范围和深度的求解公式；分析倾斜煤层采空区底板破坏深度的影响因素。本发明基于岩体断裂力学理论，构建倾斜煤层采空区底板应力求解力学模型，结合双剪强度准则，推导底板破坏深度求解公式，依据求解公式分析底板破坏形态及影响因素，得出底板破坏范围主要受工作面斜长、侧压系数、开采深度、煤层倾角、底板黏聚力和内摩擦角影响，工作面斜长、侧压系数、开采深度和底板内摩擦角与破坏深度呈正比；底板黏聚力与破坏范围呈反比；底板破坏深度随着倾角增大，先增加后减小，为倾斜煤层承压水防治提供理论依据。
-
Patent Agency Ranking
公开(公告)号：CN113742596A
公开(公告)日：2021-12-03
申请号：CN202111097754.X
申请日：2021-09-18
Applicant: 辽宁工程技术大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/906 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于注意力机制的神经协同过滤推荐方法，步骤为：数据采集和处理；划分数据集：将处理好的数据按照leave‑one‑out机制的划分为训练集和测试集；构建基于注意力机制的神经协同过滤模型：使用公开的ESIM模型的局部推理部分构建特征融合构建注意力部分，使用多层感知机学习用户和项目的特征交互部分，并最后将两者融合进行推荐；模型训练和结果展示，将所得到的训练数据集和测试数据集用于训练和评估构建的神经协同过滤模型，根据用户对项目的预测评分判断是否将项目推荐给用户。本发明在引入注意力机制来分配权重值的同时，并结合MLP多层感知机捕获用户和项目之间的多层交互信息，来提升推荐的性能。
-
公开(公告)号：CN106884669A
公开(公告)日：2017-06-23
申请号：CN201710178030.5
申请日：2017-03-23
Applicant: 辽宁工程技术大学
CPC classification number: E21D20/00 , G05B13/042
Abstract: 一种综采工作面端头顶板受采动扰动下的围岩控制方法，属于矿山开采技术领域；包括：步骤1：获取待控制巷道工作面参数；步骤2：根据巷道工作面参数计算巷道围岩应力；步骤3：绘制巷道围岩应力解析图，确定巷道围岩应力集中区域；步骤4：巷道开采过程中，对巷道围岩应力集中区域进行泄压；本发明能够在回采期间受开采扰动下，使两端头顶板发生片帮、冒顶事故的概率得到减小，保证机头机尾的正常推进和超前端头支架的顺利推移。
-
公开(公告)号：CN110610043A
公开(公告)日：2019-12-24
申请号：CN201910854740.4
申请日：2019-09-10
Applicant: 辽宁工程技术大学
IPC: G06F17/50
Abstract: 本发明公开了一种对倾斜煤层采空区底板的破坏深度的计算方法，步骤为：构建倾斜煤层采空区底板应力求解模型；推导倾斜煤层采空区底板破坏范围和深度的求解公式；分析倾斜煤层采空区底板破坏深度的影响因素。本发明基于岩体断裂力学理论，构建倾斜煤层采空区底板应力求解力学模型，结合双剪强度准则，推导底板破坏深度求解公式，依据求解公式分析底板破坏形态及影响因素，得出底板破坏范围主要受工作面斜长、侧压系数、开采深度、煤层倾角、底板黏聚力和内摩擦角影响，工作面斜长、侧压系数、开采深度和底板内摩擦角与破坏深度呈正比；底板黏聚力与破坏范围呈反比；底板破坏深度随着倾角增大，先增加后减小，为倾斜煤层承压水防治提供理论依据。
-
公开(公告)号：CN106884669B
公开(公告)日：2019-01-29
申请号：CN201710178030.5
申请日：2017-03-23
Applicant: 辽宁工程技术大学
Abstract: 一种综采工作面端头顶板受采动扰动下的围岩控制方法，属于矿山开采技术领域；包括：步骤1：获取待控制巷道工作面参数；步骤2：根据巷道工作面参数计算巷道围岩应力；步骤3：绘制巷道围岩应力解析图，确定巷道围岩应力集中区域；步骤4：巷道开采过程中，对巷道围岩应力集中区域进行泄压；本发明能够在回采期间受开采扰动下，使两端头顶板发生片帮、冒顶事故的概率得到减小，保证机头机尾的正常推进和超前端头支架的顺利推移。
-
公开(公告)号：CN112270666A
公开(公告)日：2021-01-26
申请号：CN202011210676.5
申请日：2020-11-03
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种基于深度卷积神经网络的非小细胞肺癌病理切片识别方法，步骤为：从TCGA获取到的公开数据集非小细胞肺癌的病理切片；构建用于训练的深度学习模型；将训练数据集输入卷积神经网络训练，得到学习后的卷积神经网络模型；将训练数据集输入卷积神经网络训练，得到学习后的卷积神经网络模型。本发明通过利用Inception‑v3模型和CBAM注意力机制融合在一起，实现对非小型细胞肺癌的分类，通过注意力机制提高了网络精度；同时利用深度卷积神经网络Inception‑v3实验结果表明，本发明提出的基于深度学习的非小细胞肺癌病理切片识别方法可以有效的针对肺腺癌和肺鳞状细胞癌的分类，在一定程度上减轻了医生的负担，在医学图像识别领域实现了非常良好的性能。
-
-
-
-
-
Search Results
6
records
(took 0.031 seconds)
