联系人姓名:
联系人电话:
手机号:
邮箱:
QQ:
工作单位:
地址:
意向说明:
免费查询
一种基于深度学习的带材轧制过程板形预测方法
成果名称: | 一种基于深度学习的带材轧制过程板形预测方法 | 关键字: | inception , 板形 , 预测 , resnet , 轧制 , 学习 , xl , 网络 , 模型 , 参数 | 应用行业: | 制造业 |
高新技术领域: | 电子信息技术 | 所在地: | 河北省 | 知识产权类型: | 发明专利 |
知识产权编号: | CN202311082568.8 | 成果体现形式: | 成果属性: | ||
成果所处阶段: | 授权 | 成果水平: | 国内先进 | 研究形式: | |
学科分类: | 战略新兴产业: | 新一代信息技术 | 课题来源: | ||
第一完成单位名称: | 华北电力大学(保定),东北大学 | 第一完成单位属性: | 技术成熟度: | ||
合作方式: | 技术转让 | 交易价格(万): | 6.00 | 所属十强产业: |
本发明公开了一种基于深度学习的带材轧制过程板形预测方法,涉及带材轧制技术领域,包括以下步骤,S1:工业数据采集及数据集构建;S2:结合残差学习和聚合多尺度残差变换的方法,构建Inception‑ResNet模型;S3:使用AdaBound优化算法和两阶段学习率调整方法来训练网络模型;S4:根据模型评估指标,预测性能对比,选取最优模型,进行预测。本发明构建的深度全卷积网络可以直接接收带材轧制工艺参数,不需要额外的数据预处理方法,可以有效地解决轧制领域板形预测中的多输入多输出的多层级非线性问题,所提出的Inception‑ResNet网络具有较少的模型参数和较低的计算复杂性,其中Inception‑ResNet‑39网络包含39层可学习参数,实现了最先进的预测性能,此方法为模型构建及转移应用提供完整的流程。
联系方式
姜女士
17310148509
请填写以下信息
联系人姓名:
联系人电话:
手机号:
邮箱:
QQ:
工作单位:
地址:
意向说明:
专注专业
资深行业经验,专业技术运作团队
信息保密
专利或技术全方位严格保密,保证用户权益
快速转让
依托大数据,精准对接需求企业,节约成本
一站式服务
技术转让一站式服务,省心更放心