摘要
本发明公开了一种基于图神经网络的智能材料性质预测系统,包括如下模块:结构图构建模块,用于解析材料结构数据,构建三阶张量图;张量图编码模块,用于将三阶张量图输入多尺度张量图神经网络模型,生成高维张量节点嵌入表示;非对称传播模块,用于基于高维节点嵌入表示构建方向性张量连接结构,生成更新特征表示;模型优化模块,用于将更新特表示征输入改进鱼鹰群搜索算法,生成最优配置;多目标预测模块,用于加载最优配置并进行多目标材料性质预测;持续学习模块,用于基于预测误差识别偏差样本,反馈更新多尺度张量图神经网络模型,并写入学习缓冲区。本发明融合多通道图建模与改进鱼鹰群搜索算法,构建了智能材料性质预测系统。
技术关键词
智能材料
预测系统
节点特征
群搜索算法
编码器模块
输入多尺度
样本
识别偏差
三通道
神经网络模型训练
物理
机制
预测误差
编码模块
系统为您推荐了相关专利信息
静态编码器
数据预测方法
供水管网水质预测
历史监测数据
水质传感器
电力负荷预测模型
预测电力系统
电力负荷预测方法
支持向量机
活动特征