首页  专利技术  电子电路装置的制造及其应用技术

基于代价敏感思想和全连接神经网络的钢坯夹渣质量分析预测方法、装置、处理器及其介质

2026-01-31 14:20:07 493次浏览

技术特征:

1.一种基于代价敏感思想和全连接神经网络的钢坯夹渣质量分析预测方法,其特征在于,所述的方法包括以下步骤:

2.根据权利要求1所述的基于代价敏感思想和全连接神经网络的钢坯夹渣质量分析预测方法,其特征在于,所述的步骤(1)具体为:

3.根据权利要求2所述的基于代价敏感思想和全连接神经网络的钢坯夹渣质量分析预测方法,其特征在于,所述的步骤(1)具体包括以下步骤:

4.根据权利要求2所述的基于代价敏感思想和全连接神经网络的钢坯夹渣质量分析预测方法,其特征在于,所述的步骤(2)具体包括以下步骤:

5.根据权利要求4所述的基于代价敏感思想和全连接神经网络的钢坯夹渣质量分析预测方法,其特征在于,所述的步骤(3)具体包括以下步骤:

6.根据权利要求5所述的基于代价敏感思想和全连接神经网络的钢坯夹渣质量分析预测方法,其特征在于,所述的步骤(4)具体包括以下步骤:

7.一种基于代价敏感思想和全连接神经网络的钢坯夹渣质量分析预测装置,其特征在于,所述的装置包括:

8.一种基于代价敏感思想和全连接神经网络的钢坯夹渣质量分析预测的处理器,其特征在于,所述的处理器被配置成执行计算机可执行指令,所述的计算机可执行指令被所述的处理器执行时,实现权利要求1~6中任一项所述的基于代价敏感思想和全连接神经网络的钢坯夹渣质量分析预测的步骤。

9.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述的计算机程序可被处理器执行以实现权利要求1~6中任一项所述的基于代价敏感思想和全连接神经网络的钢坯夹渣质量分析预测的步骤。


技术总结
本发明涉及一种基于代价敏感思想和全连接神经网络的钢坯夹渣质量分析预测方法,其中,所述的方法包括:针对获取到的钢坯夹渣原始数据集进行数据清洗、整理以及标签标注处理;引入深度神经网络结构对经过处理后的数据进行模型训练,构建钢坯质量分析预测模,并使用Dropout正则化技术防止模型过拟合;使用自定义损失函数对所述的钢坯质量分析预测模型进行优化训练,以提高该模型的预测准确率;对所述的钢坯质量分析预测模型的超参数进行调优和评估处理,以获取最终的模型评价结果。本发明还涉及一种相应的装置、处理器及其存储介质。采用了本发明的该方法、装置、处理器及其存储介质,实现成本的降低,资源的优化,使钢坯生产质量提升,生产效率提升。

技术研发人员:姜庆超,金翔,王伟俊,朱宏涛
受保护的技术使用者:华东理工大学
技术研发日:
技术公布日:2024/11/26
文档序号 : 【 40125445 】

技术研发人员:姜庆超,金翔,王伟俊,朱宏涛
技术所有人:华东理工大学

备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
姜庆超金翔王伟俊朱宏涛华东理工大学
一种线坯裂纹处取样分析装置的制作方法 一种电梯平衡系数检测用砝码编组搬运方法与流程
相关内容