摘要
本发明属于功能材料的构效关系挖掘领域,公开了基于因果学习的功能材料构效关系挖掘方法及相关装置,对功能材料的数据集进行数据清洗,得到预处理数据集;基于所述预处理数据集构建特征变量;基于因果学习方法,建立特征变量之间的因果关系;基于所述因果关系,选取因果关系前端具有物理意义的特征变量,形成特征变量池;筛选特征变量池的最佳特征子集;基于最佳特征子集,建立功能材料构效关系的回归模型。本发明综合考虑数据的预处理,特征变量的构建与筛选,表达式的可解释性,显著地提升了构效关系的物理意义和可解释性。
技术关键词
关系挖掘方法
功能材料
最佳特征子集
回归方法
变量
学习方法
符号
机器学习模型
相关性分析方法
数据
噪声方法
表达式
推断方法
挖掘系统
精度
处理器
复杂度
注意力机制
物理
系统为您推荐了相关专利信息
静脉药物配置
教学系统
变量
长短期记忆网络
空间金字塔池化
性能预测模型
性能预测方法
覆层
特征信息处理
节点