龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：上海理工大学
摘要：本发明涉及聚酯纤维的生产技术领域，具体是一种基于深度学习的聚酯纤维聚合过程特性粘度计算方法，包括建立LSTM神经网络模型，训练、投入使用和校正的步骤。该模型在初始LSTM中引入增强门将历史时刻的聚酯纤维聚合过程工艺参数经过预处理整理成样本并作为模型的输入值，将历史时刻的特性粘度真实值经过预处理整理成样本并作为模型的标签，将每组输入值模型得到预测值，与标签进行比较，从而提高模型的预测精度。本发明的模型增加了新的门控，得到了模型预测精度的提高，对于本领域的离线系统模型，预测精度显然更重要，因此本发明在一定从程度上能更好地指导生产，极具应用前景。
主权项：1.一种基于深度学习的聚酯纤维聚合过程特性粘度计算方法，其特征是：包括步骤1、建模：建立带有增强门的LSTM神经网络模型；步骤2、训练：步骤2.1、对数据进行预处理，将所有数据整理成形如[x1,x2,···,xk；y]的样本，每组样本中前k个数表示模型的输入，第k+1个数为模型理想输出，将其称之为样本的标签；步骤2.2、将每组样本都输入到模型中，得到每组样本对应的实际输出yi，yi表示第i组样本输入到模型后，对应的输出；步骤2.3、将每组样本的标签和该样本对应的实际输出yi进行比较，如果标签的输出值与yi之间的均方误差在0.04之内，且决定系数R2达到0.85以上则模型训练结束，否则，调整模型的超参数，再进行上述步骤，直至标签与yi之间的均方误差在0.04之内且决定系数R2达到0.85以上，模型训练结束，得到计算模型；步骤3、校正：将建立好的计算模型投入实际的生产应用中时，定期对所建的神经网络模型进行定期的校正，以适应新的生产工况。
全文数据：
权利要求：
百度查询： 上海理工大学 一种基于深度学习的聚酯纤维聚合过程特性粘度计算方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号