基于卷积神经网络和局部加权线性回归的金属极化曲线预测方法

AITNT
正文
推荐专利
基于卷积神经网络和局部加权线性回归的金属极化曲线预测方法
申请号:CN202411600467
申请日期:2024-11-11
公开号:CN119479938B
公开日期:2025-11-21
类型:发明专利
摘要
本发明涉及数据处理技术领域,具体涉及一种基于卷积神经网络和局部加权线性回归的金属极化曲线预测方法,包括:获取金属含量与金属极化曲线数据;获取自腐蚀电流;构建极化参数预测网络;构建极化曲线卷积网络,并进行训练;预测金属极化曲线数据。本发明通过数据的清洗和整合,数据的平滑处理以及数据的归一化处理,以准确地建立金属含量与极化曲线的关系,从而利用神经网络对合金腐蚀行为的金属极化曲线进行精确预测。
技术关键词
切线斜率 线性回归模型 参数 表达式 拉格朗日插值 网络模块 高斯核函数 数据处理技术 数据处理模块 预测系统 多尺度 电流值 误差 方程 合金
系统为您推荐了相关专利信息
1
基于区块链增强的联邦学习激励系统
智能合约代码 智能合约部署 实用拜占庭容错算法 参数 分配信息
2
一种基于电力交易市场的风险评估系统
电力交易市场 风险评估系统 偏差 参数 风险评估模型
3
一种地基立体视觉便携式鸟群行为观测系统
时间同步方法 外部参数标定方法 观测系统 数据读取模块 姿态传感器
4
基于多私有云管理域分类的云资源配置方法和系统
管理域 私有云 资源配置方法 资源配置系统 日志
5
协调多星闪接入点的时空频资源复用传输机会共享方法
传输机会共享方法 空分复用 接入点 MIMO波束成形 链路
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号