登录    注册    忘记密码

上海大学材料基因组工程研究院材料信息与数据科学中心 收藏

导出分析报告

研究主题:小样本    知识图谱    铝基复合材料    高斯混合模型    高精度数据采集    

研究学科:自动化类    

被引量:54H指数:5北大核心: 14 CSCD: 14

-

检索结果分析

署名顺序

  • 全部
  • 第一机构
结果分析中...
排序方式:

14 条 记 录,以下是 1-10

基于Jaya优化标定的高精度数据采集方法
1
《上海大学学报(自然科学版)》上海大学机电工程与自动化学院;上海大学计算机工程与科学学院;上海大学材料基因组工程研究院材料信息与数据科学中心;之江实验室;上海交通大学材料科学与工程学院 张合生 焦鹏 胡琪睿 蔡江乾 胡顺波 曹贺 欧阳求保  出版年:2022
国家重点研发计划资助项目(2018YFB0704400);云南省重大科技专项资助项目(202002AB080001-2,202102AB080019-3);之江实验室科研攻关资助项目(2021PE0AC02);上海张江国家自主创新示范区专项发展资金重大资助项目(ZJ2021-ZD-006)。
材料基因组工程融合高通量实验、高通量计算和数据库及人工智能技术,能加速实现新材料的研发.然而,如何快速且可靠地从实验设备中采集数据是材料基因组工程的重要问题.针对高精度数据采集系统标定数据时间不同步的问题,以线性模型作为...
关键词:时间不同步  数据采集 Jaya算法  数据标定  
基于卡尔曼滤波的含噪声小样本数据处理方法
2
《上海大学学报(自然科学版)》上海大学计算机工程与科学学院;上海大学材料科学与工程学院;上海大学材料基因组工程研究院材料信息与数据科学中心;重庆大学材料科学与工程学院国家镁合金材料工程技术研究中心;之江实验室 刘芬 范洪强 吕涛 李谦 钱权  出版年:2022
国家重点研发计划资助项目(2018YFB0704400);云南省重大科技专项资助项目(202102AB080019-3,202002AB080001-2);之江实验室科研攻关资助项目(2021PE0AC02);上海张江国家自主创新示范区专项发展资金重大资助项目(ZJ2021-ZD-006)。
提出一种基于卡尔曼滤波和扩展卡尔曼滤波的小样本噪声数据处理方法.首先,通过物理模型或经验公式建立系统模型.然后,利用系统模型预测模型数据.最后,采用观测数据修正模型数据,达到平滑数据噪声的效果.实验结果表明,对于BC50...
关键词:卡尔曼滤波 扩展卡尔曼滤波 数据降噪  小样本 腐蚀数据  
材料基因组工程专用数据库
3
《上海大学学报(自然科学版)》上海大学计算机工程与科学学院;国家超级计算无锡中心;上海大学材料基因组工程研究院材料信息与数据科学中心;之江实验室 岳溪朝 冯燕 刘健 于烨泳 席慷杰 钱权  出版年:2022
国家重点研发计划资助项目(2018YFB0704400);云南省重大科技专项资助项目(202102AB080019-3,202002AB080001-2);之江实验室科研攻关资助项目(2021PE0AC02);上海张江国家自主创新示范区专项发展资金重大资助项目(ZJ2021-ZD-006)。
材料数据具有多源、异构、高维等特点,收集纷繁复杂的材料数据,建立材料基因工程专用数据库,是实现数据驱动的新材料研发的基础.以材料数据的规范化表示、机器学习建模及模型跨域部署、材料数据隐私保护下的机器学习、利用知识图谱从材...
关键词:材料基因组工程  数据库 机器学习  知识图谱
基于自然语言处理的材料领域知识图谱构建方法
4
《上海大学学报(自然科学版)》上海大学计算机工程与科学学院;上海大学材料基因组工程研究院材料信息与数据科学中心;之江实验室 魏晓 王晓鑫 陈永琪 张惠然  出版年:2022
国家重点研发计划资助项目(2018YFB0704400);云南省重大科技专项资助项目(202002AB080001-2,202102AB080019-3);之江实验室科研攻关资助项目(2021PE0AC02);上海张江国家自主创新示范区专项发展资金重大资助项目(ZJ2021-ZD-006)。
如何将材料领域知识与机器学习技术相结合是材料智能研究迫切需要解决的问题.知识图谱(knowledge graphs,KGs)作为一种高效的知识组织模型,可以有效地对材料领域知识进行表示、组织和推理,从而提升材料机器学习算...
关键词:材料智能  自然语言处理 知识图谱
小样本分散数据的回归建模和多目标优化
5
《上海大学学报(自然科学版)》上海大学计算机工程与科学学院;上海大学材料科学与工程学院先进凝固技术中心;上海大学材料基因组工程研究院材料信息与数据科学中心;之江实验室 姚煜 胡涛 付建勋 胡顺波  出版年:2022
国家重点研发计划资助项目(2018YFB0704400);云南省重大科技专项资助项目(202102AB080019-3,202002AB080001-2);之江实验室科研攻关资助项目(2021PE0AC02);上海张江国家自主创新示范区专项发展资金重大资助项目(ZJ2021-ZD-006)。
小样本分散数据上的回归对建模有一定挑战,利用高斯过程对其回归进行建模,即采用极大似然估计进行核函数的超参数学习,通过后验来计算回归结果并预测出目标函数的均值和方差.在此基础上结合方差的多目标优化,在进行材料逆向设计的同时...
关键词:小样本分散数据  高斯过程回归  多目标优化 NSGA-Ⅱ  
基于强化学习的特征选择方法及材料学应用
6
《上海大学学报(自然科学版)》上海大学计算机工程与科学学院;上海大学材料基因组工程研究院材料信息与数据科学中心;之江实验室 张鹏 张瑞  出版年:2022
国家重点研发计划资助项目(2018YFB0704400);云南省重大科技专项资助项目(202102AB080019-3,202002AB080001-2);之江实验室科研攻关资助项目(2021PE0AC02);上海张江国家自主创新示范区专项发展资金重大资助项目(ZJ2021-ZD-006)。
随着大数据、人工智能以及高性能计算的快速发展,数据驱动的新材料研发成为研究热点.在对材料数据进行数据挖掘的过程中,需要对特征集合进行预处理,通过减少无关冗余特征,不仅可以避免模型过拟合,还能提高模型的可解释性.基于此,提...
关键词:特征选择  强化学习  特征构造方法  
基于特征工程和机器学习的铝基高熵合金稳定性预测
7
《上海大学学报(自然科学版)》上海大学计算工程与科学学院;上海大学材料基因组工程研究院材料信息与数据科学中心;之江实验室 胡瑞 刘庆 张光捷 李俊杰 陈晓玉 魏晓 戴东波  出版年:2022
国家重点研发计划资助项目(2018YFB0704400);云南省重大科技专项资助项目(202002AB080001-2);之江实验室科研攻关资助项目(2021PEOAC02)。
铝基复合材料具有众多优异的性能,应用前景较好.以简单稳定相的高熵合金可以作为增强颗粒来制备铝基复合材料,其各方面力学性能都显著提升.提出了一种基于结合了特征工程和机器学习的新方法来研究高熵合金相稳定性.该方法利用特征工程...
关键词:铝基复合材料 高熵合金 特征工程  机器学习  相稳定性预测  
支持向量回归预测不锈钢的点蚀电位
8
《上海大学学报(自然科学版)》上海大学理学院;上海大学材料基因组工程研究院材料信息与数据科学中心;上海大学计算机工程与科学学院;复旦大学材料科学系 麦嘉琪 徐鹏程 丁松 孙阳庭 陆文聪  出版年:2022
国家重点研发计划资助项目(2018YFB0704400);云南省重大科技专项资助项目(202002AB080001-2);之江实验室科研攻关资助项目(2021PEOAC02)。
点蚀是不锈钢的主要腐蚀类型之一,常用点蚀电位来评价不锈钢腐蚀的难易程度.点蚀电位会受到多方面因素的影响.基于不锈钢的元素成分和工艺参数,采用支持向量回归(support vector regression,SVR)算法建...
关键词:不锈钢 点蚀电位 机器学习  
基于区块链的数据版权保护与组合竞拍
9
《上海大学学报(自然科学版)》上海大学计算机工程与科学学院;上海大学材料基因组工程研究院材料信息与数据科学中心;之江实验室 徐宇钦 钱权  出版年:2022
国家重点研发计划资助项目(2018YFB0704400);云南省重大科技专项资助项目(202102AB080019-3,202002AB080001-2);之江实验室科研攻关资助项目(2021PE0AC02);上海张江国家自主创新示范区专项发展资金重大资助项目(ZJ2021-ZD-006)。
基于区块链、数字水印以及密封递价拍卖的组合竞拍算法,设计并实现了一套数据版权保护与组合竞拍系统.首先,采用去中心化的区块链技术,结合智能合约来存储数据版权的上链记录、版权交易记录等,通过共识机制使得网络中的各个节点在互不...
关键词:数字版权 数字水印 区块链 智能合约  组合竞拍  
陶瓷涂层材料多模态数据表征学习
10
《上海大学学报(自然科学版)》上海大学计算机工程与科学学院;之江实验室;上海大学材料基因组工程研究院材料信息与数据科学中心;上海大学理学院 武星 胡明涛 丁鹏  出版年:2022
国家重点研发计划资助项目(2018YFB0704400);国家自然科学基金资助项目(52073168);云南省重大科技专项资助项目(202102AB080019-3,202002AB080001-2);之江实验室科研攻关资助项目(2021PE0AC02);上海张江国家自主创新示范区专项发展资金重大资助项目(ZJ2021-ZD-006)。
陶瓷涂层具有耐高温、耐腐蚀、耐磨损等特性,其热膨胀系数和热导率等参数与其性能息息相关.为解决陶瓷涂层性能实验成本高、测试困难等问题,提出了陶瓷涂层材料多模态数据表征学习的性能预测方法.首先利用高斯混合模型虚拟样本生成(G...
关键词:陶瓷涂层 高斯混合模型 多模态数据表征  机器学习算法
已选条目 检索报告 聚类工具

版权所有©重庆科技学院 重庆维普资讯有限公司 渝B2-20050021-7
 渝公网安备 50019002500408号 违法和不良信息举报中心