科创中国
一种基于机器学习和两步法数据扩充的高熵合金硬度预测方法及装置
发布时间: 2022-11-28
来源: 科技服务团
基本信息
合作方式：
技术服务
成果类型：
发明专利
行业领域：
新材料技术
成果介绍
本发明提供一种基于机器学习和两步法数据扩充的高熵合金硬度预测方法及装置，属于合金硬度预测领域。为解决现有技术对高熵合金硬度进行预测时往往因数据不足而进行数据扩充，其数据扩充方法无法保证生成数据的质量，不利于提高高熵合金的硬度预测准确度的问题。包括：步骤一、构建高熵合金物理特征与硬度的原始训练集；步骤二、构建GAN神经网络模型，对原始训练集特征进行扩充；步骤三、构建机器学习模型，将扩充特征数据集的特征生成标签，得到扩充训练集；步骤四、将扩充训练集与原始训练集构建合并训练集；步骤五、采用合并训练集对机器学习模型进行调参并训练，得到高熵合金硬度模型。通过本发明方法得到高熵合金硬度模型具有更高的准确性。
成果亮点
本发明是一种基于机器学习和两步法数据扩充的高熵合金硬度预测方法及装置，采用了两步法对高熵合金数据进行数据扩充，即对数据的特征和标签进行连续分别生成，首先使用GAN生成数据的特征，可以保证生成数据和原始数据之间特征分布的一致性，确保生成数据和原始数据之间特征的相似性；然后采用原始训练数据训练ML模型，通过训练后的ML模型生成数据的标签。本发明方法根据标签与特征之间的本质关系生成标签，使生成的标签具有更高的准确性，保证了生成数据标签的质量。
通过本发明方法对高熵合金硬度进行预测，可有效解决由于现有的高熵合金数据较少，使预测测结果达不到满意效果的问题，并极大的提高了对高熵合金硬度预测准确性，具有较好的应用前景，为推进高熵合金的研究起到积极作用。
本发明方法具有普适性，针对其他材料性能预测回归问题中数据量不足的情况，均可通过本发明方法的思想进行数据扩充，以提高材料性能预测的准确性，为数据扩充提供了有效手段。
团队介绍
材料科学与化学工程学院现有教职工170人，其中新世纪百千万人才工程国家级人选1人，教育部新世纪人才1人，全国优秀教师1人，龙江学者3人，省杰青4人，省思政名师1人，省级教学师德标兵4人，黑龙江省研究生优秀导师团队2个，博士生导师25人，硕士生导师106人。
成果资料
产业化落地方案
成果综合评价报告
评价单位：“科创中国”黑龙江科技服务团 (黑龙江省科学技术协会) 评价时间：2023-11-11
评价单位：“科创中国”黑龙江科技服务团 (黑龙江省科学技术协会) 评价时间：2022-12-08
宋奇慧
千慧科技服务有限公司
总经理
综合评价
本发明要解决的技术问题是：
为了解决现有技术中在对高熵合金硬度进行预测时往往因数据不足而进行数据扩充，其数据扩充方法无法保证生成数据的质量，不利于提高高熵合金的硬度预测准确度的问题。
本发明为解决上述技术问题所采用的技术方案：
本发明一方面，提出了一种基于机器学习和两步法数据扩充的高熵合金硬度预测方法，包括如下步骤：
步骤一、收集多个高熵合金的成分与硬度的数据，并由高熵合金所包含的元素成分和元素本身固有性质计算得出其多个物理特征，将这些物理特征数据用作原始数据集，并将这些数据随机划分为原始训练集和测试集；
步骤二、构建GAN神经网络模型，对原始训练集特征进行扩充；
将原始训练集中多个高熵合金物理特征作为输入特征；将输入特征代入构建的GAN神经网络模型，设置生成数据量，GAN模型内部的生成器G和鉴别器D将不断迭代训练；当训练得到的最优的鉴别器D无法区分真实特征和生成的特征时，GAN模型达到纳什均衡；在此情况下进行数据扩充，得到扩充特征数据集；
查看更多>
微信公众号
下载app
Copyright © 2022 中国科学技术协会 版权所有 | 京ICP备16016202号-20
京公网安备 11010202008974号