申请/专利权人:中国人民解放军军事科学院国防科技创新研究院
申请日:2022-03-16
公开(公告)日:2024-04-16
公开(公告)号:CN114692348B
主分类号:G06F30/18
分类号:G06F30/18;G06F30/27;G06N3/0464;G06F119/08
优先权:
专利状态码:有效-授权
法律状态:2024.04.16#授权;2022.07.19#实质审查的生效;2022.07.01#公开
摘要:本发明公开了一种基于多保真深度学习代理模型的组件布局温度场预测方法,包括:获取低保真训练数据和高保真训练数据;对训练数据进行预处理;构建包括主体神经网络、连接在主体神经网络输出端的低保真映射模块和高保真映射模块的多保真深度学习代理模型;将高保真映射模块设置为关闭状态,利用低保真训练数据对多保真深度学习代理模型进行训练;将低保真映射模块设置为关闭状态,将高保真映射模块设置为打开状态,利用高保真训练数据对多保真深度学习代理模型进行训练以更新模型参数;将训练得到的多保真深度学习代理模型作为最终代理模型进行温度场的预测。本发明能够在保证模型具有高预测精度的情况下,显著降低模型训练对于高保真数据的需求。
主权项:1.一种基于多保真深度学习代理模型的组件布局温度场预测方法,其特征在于,包括:获取低保真训练数据和高保真训练数据,其中,所述低保真训练数据包括较低精度的组件布局及组件布局对应的温度场,所述高保真训练数据包括较高精度的组件布局及组件布局对应的温度场;对所述低保真训练数据和所述高保真训练数据进行预处理;构建多保真深度学习代理模型,其中,所述多保真深度学习代理模型包括主体神经网络、以及分别连接在主体神经网络输出端的低保真映射模块和高保真映射模块;将所述高保真映射模块设置为关闭状态,对所述多保真深度学习代理模型进行初始化,利用所述低保真训练数据对所述多保真深度学习代理模型进行训练以更新模型参数;将当前训练后的所述多保真深度学习代理模型的所述低保真映射模块设置为关闭状态,将所述高保真映射模块设置为打开状态,对所述高保真映射模块的参数进行初始化,利用所述高保真训练数据对所述多保真深度学习代理模型进行训练以更新模型参数;将训练得到的所述多保真深度学习代理模型作为最终代理模型以进行温度场的预测。
全文数据:
权利要求:
百度查询: 中国人民解放军军事科学院国防科技创新研究院 基于多保真深度学习代理模型的组件布局温度场预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。