摘要
本申请提供了一种基于神经网络的钢筋加工过程风险预测方法、设备及介质,根据本申请的方法包括:收集钢筋加工的历史风险数据,并基于钢筋现场预先布置的传感器获取环境数据;对收集到的历史风险数据和环境数据进行预处理后生成数据集,对所述数据集按照预设比例划分为训练集、验证集和测试集;基于多层感知机方法建立钢筋加工过程风险预测模型,通过所述训练集对钢筋加工过程风险预测模型进行训练,获取训练好的钢筋加工过程风险预测模型;采用训练好的钢筋加工过程风险预测模型对钢筋加工过程进行实时风险预测,并将预测结果通过显示设备进行输出,本申请提供的技术方案可以有效提升钢筋加工过程风险预测的准确性与及时性。
技术关键词
钢筋加工过程
风险预测模型
风险预测方法
传感器获取环境
多层感知机
生成数据集
计算机可执行指令
钢筋现场
HOG特征提取
耦合关系分析
sigmoid函数
权重分配策略
监测周围环境
孤立森林算法
知识图谱构建
归一化算法
显示设备
系统为您推荐了相关专利信息
诊断方法
锂电池
等效电路模型
高斯混合模型
加权损失函数
自动生成方法
特征数据库
Word2Vec模型
代码结构
深度学习模型训练
风险动态评估方法
模糊逻辑推理
模糊推理规则
拉格朗日优化
模糊集合