摘要
本申请涉及一种基于主动深度学习的煤岩材料细观建模与多尺度模拟方法。所述方法包括:首先,拟定完整无标签数据样本空间,基于所述完整无标签数据样本空间建立标注数据样本集;基于深度学习模型构建多尺度分析离线代理模型,基于所述标注数据样本集训练所述多尺度分析离线代理模型,得到基本预测器;将未标注数据样本输入所述基本预测器,得到样本伪标签,基于所述样本伪标签采用改进主动学习策略确定未标注数据信息度量;基于所述未标注数据信息度量扩充所述标注数据样本集,并进行迭代训练,得到最终离线代理元模型;最后,将所述最终离线代理元模型嵌入至有限元中,获取煤岩加载多尺度仿真下应变‑应力响应。显著提升了多尺度模拟速度。
技术关键词
主动深度学习
主动学习策略
无标签数据
多尺度
离线
样本
度量
查询策略
深度学习模型
评估数据差异性
煤岩
模拟装置
应力
处理器
计算机设备
模块
可读存储介质
存储器
系统为您推荐了相关专利信息
植被指数数据
转移概率矩阵
马尔可夫链模型
地形特征
人类
波动预测方法
分布鲁棒优化
深度神经网络
波动特征
数据
在线学习方法
降噪模型
降噪参数
主动降噪模块
控制器
航空发动机维修
飞机发动机维修
深度强化学习
决策方法
性能退化数据