摘要
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。
技术关键词
分析预测方法
深度神经网络模型
钢坯
计算机可执行指令
加权损失函数
深度神经网络结构
正则化技术
分析预测装置
处理器
样本
板坯
标签
数据压缩
标记
可读存储介质
变量
参数
定义
存储器
系统为您推荐了相关专利信息
充电管理方法
充电管理系统
电流检测单元
电路单元
端口
随机森林
遥感图像识别
回归算法
绿地
计算机可执行指令
计算机可执行指令
数据
对象
历史交互信息
处理器
深度神经网络模型
数字化导板
埋伏牙
参数
数字化牙齿模型