摘要
本发明公开了一种基于机器学习的电感材料电磁性能预测方法及系统,其方法包括电感性能指标数据收集,通过数据预处理电感材料性能指标优化数据集,可视化数据集获得量化的电感材料性能指标优化数据集变量之间线性关系,通过电感材料磁导率预测、饱和磁场强度预测和电感材料电磁性能预测,最终获得电感材料电磁性能表征参考数据。本发明利用机器学习模型强大的计算学习能力挖掘出电感原材料间潜在的非线性关系,从而准确指导不同规格电感产品的原料选择及配方设计。
技术关键词
电感材料
性能预测方法
性能指标数据
电磁
决策树训练
预测模型训练
CART算法
随机森林模型
可视化数据集
梯度下降算法
性能预测系统
优化预测模型
性能预测模型
特征工程
模型超参数
模块
变量
系统为您推荐了相关专利信息
霍尔流量计
温控系统
流量调节单元
服务器
温度传感器组
图像解码器
电磁信号编码
注意力机制
中间层
编码器
模拟试验装置
模型箱
降雨模拟设备
排水管
数据处理终端
熔接机器人
PLC控制模块
吹扫装置
吹扫控制系统
指令
铁路计轴设备
智能交互终端
区块链存证
管理系统
轻量化神经网络