公开(公告)号：CN119918402A

公开(公告)日：2025-05-02

申请号：CN202411981282.8

申请日：2024-12-31

Applicant: 郑州航空工业管理学院

Inventor： 马浩 ,  王晓璐 ,  陈志强 ,  张昕喆 ,  徐廉 ,  赵逸凡

IPC: G06F30/27 ,  G06F30/28 ,  G06N3/0442 ,  G06N3/084

Abstract: 本发明公开了一种用于流场预测的神经网络代理模型构建方法，将整个流场划分为多个子区域；针对这些子区域，分别训练不同的神经网络子模型；通过混合专家系统MoE技术将神经网络子模型进行动态集成，以实现流场整体的高效预测；本发明通过流场划分策略，模型能够将流场分为具有相似流动特性的子区域，确保模型在每个子区域内更精准地适应特定流动模式，提高整体流场预测的准确性；本发明在各子域模型中引入迁移学习，保留全局流动的共性特征，同时实现对新流动模式的高效学习，从而增强模型对不同流动模式的适应性，减少对大量数据的依赖；本发明能够降低计算与训练成本，既确保高精度预测，也大幅节省了硬件资源。

公开(公告)号：CN119886248A

公开(公告)日：2025-04-25

申请号：CN202411956055.X

申请日：2024-12-28

Applicant: 郑州航空工业管理学院

Inventor： 马浩 ,  赵逸凡 ,  陈志强 ,  王晓璐 ,  孟庆鹤 ,  李国举

IPC: G06N3/08 ,  G06N3/0985

Abstract: 本发明公开了一种数据与物理混合驱动神经网络训练方法，涉及人工智能技术领域，创新性地引入滑动窗口技术动态调整数据驱动项的权重。该方法通过在数据驱动项前乘以可调节权重，并使用滑动窗口机制进行动态参数优化，以平衡数据驱动和物理驱动项之间的影响，从而更好地适应神经网络训练过程中的不同阶段需求。滑动窗口技术在本方法中的引入能够根据周期进行特征提取，尤其适用于时间序列数据的处理场景。通过动态调整窗口大小、窗口步长以及权重参数，本方法不仅增强了模型对数据变化的适应性，还能够在不同训练阶段实现更加灵活的特征提取和参数优化，进一步提升模型的预测精度和收敛速度。