期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于自监督对抗训练算法的气缸盖铸铁材料热机械疲劳寿命预测研究
1
作者
蒲博闻
孙兴悦
+3 位作者
周田果
卫军朝
王根全
陈旭
《机械强度》
北大核心
2025年第9期241-249,共9页
以气缸盖铸铁材料为研究对象,采用本体取样的方式进行了一系列不同温度范围下的热机械疲劳试验。结果表明,铸铁材料的疲劳试验表现出循环软化、循环稳定和快速失效3个阶段。此外,反相位加载下材料的疲劳寿命显著小于正相位加载。使用人...
以气缸盖铸铁材料为研究对象,采用本体取样的方式进行了一系列不同温度范围下的热机械疲劳试验。结果表明,铸铁材料的疲劳试验表现出循环软化、循环稳定和快速失效3个阶段。此外,反相位加载下材料的疲劳寿命显著小于正相位加载。使用人工神经网络(Artificial Neural Network,ANN)、随机森林(Random Forest,RF)等6种典型有监督学习模型对试验数据进行疲劳寿命预测;结果表明,模型无法学习到材料的疲劳寿命分布趋势。针对该问题,利用基于生成对抗网络(Generative Adversarial Network,GAN)自监督算法,实现了对气缸盖铸铁材料热机械疲劳寿命的预测,在小样本条件下表现出了较好的预测效果。该研究对于开展气缸盖设计和疲劳分析有着极强的指导意义和参考价值。
展开更多
关键词
自监督算法
深度学习
热机械疲劳
脉冲疲劳
寿命预测
在线阅读
下载PDF
职称材料
基于高阶邻域信息交互的自监督异质图嵌入算法
2
作者
董家浩
武永亮
+1 位作者
王志强
韩旭
《计算机应用研究》
北大核心
2025年第7期2011-2017,共7页
针对当前自监督神经网络算法在获取邻域节点权重时,没有考虑到高阶节点信息影响的问题,提出一种基于高阶邻域信息交互的自监督异质图嵌入算法(SSHGEA-HNI)。其通过在注意力机制中添加前馈全连接层来捕获高阶邻域节点特征,从而提升局部...
针对当前自监督神经网络算法在获取邻域节点权重时,没有考虑到高阶节点信息影响的问题,提出一种基于高阶邻域信息交互的自监督异质图嵌入算法(SSHGEA-HNI)。其通过在注意力机制中添加前馈全连接层来捕获高阶邻域节点特征,从而提升局部优化能力,增强模型性能。该算法由标签产生模块和嵌入学习模块组成。标签产生模块通过标签传播产生节点的伪标签。伪标签作为监督信号来指导嵌入产生模块生成嵌入。嵌入学习模块通过高阶邻域信息交互的注意力机制产生嵌入和注意力系数。注意力系数用于指导标签产生模块产生伪标签。在每次迭代中,两个模块共享节点注意力系数,促进两个模块之间相互利用与增强。在四个真实异质图数据集上进行了实验,所提算法在多数数据集的聚类任务和分类任务上均有提升。实验结果表明,该算法可以有效地利用高阶节点信息。
展开更多
关键词
异质图
自监督算法
节点嵌入
高阶邻域
在线阅读
下载PDF
职称材料
题名
基于自监督对抗训练算法的气缸盖铸铁材料热机械疲劳寿命预测研究
1
作者
蒲博闻
孙兴悦
周田果
卫军朝
王根全
陈旭
机构
天津大学化工学院
中国北方发动机研究所车用动力系统全国重点实验室
中国北方发动机研究所结构技术部
出处
《机械强度》
北大核心
2025年第9期241-249,共9页
基金
中国博士后科学基金会与天津市联合项目(2024T029TJ)
国家自然科学基金项目(12302098)。
文摘
以气缸盖铸铁材料为研究对象,采用本体取样的方式进行了一系列不同温度范围下的热机械疲劳试验。结果表明,铸铁材料的疲劳试验表现出循环软化、循环稳定和快速失效3个阶段。此外,反相位加载下材料的疲劳寿命显著小于正相位加载。使用人工神经网络(Artificial Neural Network,ANN)、随机森林(Random Forest,RF)等6种典型有监督学习模型对试验数据进行疲劳寿命预测;结果表明,模型无法学习到材料的疲劳寿命分布趋势。针对该问题,利用基于生成对抗网络(Generative Adversarial Network,GAN)自监督算法,实现了对气缸盖铸铁材料热机械疲劳寿命的预测,在小样本条件下表现出了较好的预测效果。该研究对于开展气缸盖设计和疲劳分析有着极强的指导意义和参考价值。
关键词
自监督算法
深度学习
热机械疲劳
脉冲疲劳
寿命预测
Keywords
Self-supervised algorithm
Deep learning
Thermo-mechanical fatigue
Pulse fatigue
Life prediction
分类号
TK417.13 [动力工程及工程热物理—动力机械及工程]
在线阅读
下载PDF
职称材料
题名
基于高阶邻域信息交互的自监督异质图嵌入算法
2
作者
董家浩
武永亮
王志强
韩旭
机构
石家庄铁道大学信息科学与技术学院
石家庄铁道大学河北省电磁环境效应与信息处理重点实验室
石家庄铁道大学石家庄市人工智能重点实验室
河北省科学院应用数学研究所
沈阳师范大学软件学院
出处
《计算机应用研究》
北大核心
2025年第7期2011-2017,共7页
基金
国家自然科学基金项目(62106157)
河北省自然科学基金项目(F2024210005)
+2 种基金
石家庄铁道大学高等教育教学研究项目(Y2023-13)
河北省科学院科技计划项目(24606)
河北省高等教育学会“十四五”规划课题(GJXH2024-079)。
文摘
针对当前自监督神经网络算法在获取邻域节点权重时,没有考虑到高阶节点信息影响的问题,提出一种基于高阶邻域信息交互的自监督异质图嵌入算法(SSHGEA-HNI)。其通过在注意力机制中添加前馈全连接层来捕获高阶邻域节点特征,从而提升局部优化能力,增强模型性能。该算法由标签产生模块和嵌入学习模块组成。标签产生模块通过标签传播产生节点的伪标签。伪标签作为监督信号来指导嵌入产生模块生成嵌入。嵌入学习模块通过高阶邻域信息交互的注意力机制产生嵌入和注意力系数。注意力系数用于指导标签产生模块产生伪标签。在每次迭代中,两个模块共享节点注意力系数,促进两个模块之间相互利用与增强。在四个真实异质图数据集上进行了实验,所提算法在多数数据集的聚类任务和分类任务上均有提升。实验结果表明,该算法可以有效地利用高阶节点信息。
关键词
异质图
自监督算法
节点嵌入
高阶邻域
Keywords
heterogeneous graph
self-supervised algorithm
node embedding
high-order neighborhood
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于自监督对抗训练算法的气缸盖铸铁材料热机械疲劳寿命预测研究
蒲博闻
孙兴悦
周田果
卫军朝
王根全
陈旭
《机械强度》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于高阶邻域信息交互的自监督异质图嵌入算法
董家浩
武永亮
王志强
韩旭
《计算机应用研究》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
