纳米流体导热系数的明显非线性特征导致预测其导热系数是一项具有挑战性的工作.本文引入灰色模型小样本观测序列预测模型,采用DAN-TR(DAN with three branches for regression)网络,通过“迁移学习+数值拟合伪标记”方法对纳米流体导热...
详细信息
纳米流体导热系数的明显非线性特征导致预测其导热系数是一项具有挑战性的工作.本文引入灰色模型小样本观测序列预测模型,采用DAN-TR(DAN with three branches for regression)网络,通过“迁移学习+数值拟合伪标记”方法对纳米流体导热系数进行预测.考虑到有限的样本大小,直接拟合将导致拟合不足和网络精度降低,因此通过灰色模型拟合实际数据,初步生成了大量的伪标记数据.使用这些伪标签数据进行模型训练,随后再用实际数据对模型进行微调以获得更精确的结果.在对DAN-TR小样本学习网络进行优化之后,本文提出的方法对CuO-H_(2)O和Al_(2)O_(3)-H_(2)O系统都显示了良好的预测性能.
暂无评论