检索结果-内蒙古大学图书馆

工程科学学报 2023年第7期45卷 1194-1204页

作者：陈薛辉冯燕钱权上海大学计算机工程与科学学院上海200444 上海大学材料信息与数据科学中心材料基因组工程研究院上海200444 之江实验室杭州311100

基于数据驱动的材料信息学被认为是材料研发第四范式,可以极大降低新材料的研发成本,缩短研发周期.然而,数据驱动的方法在材料数据共享利用时,会增加材料研发中关键工艺等敏感信息的隐私泄露风险.因此,面向隐私保护的机器学习是材料信... 详细信息

基于数据驱动的材料信息学被认为是材料研发第四范式,可以极大降低新材料的研发成本,缩短研发周期.然而,数据驱动的方法在材料数据共享利用时,会增加材料研发中关键工艺等敏感信息的隐私泄露风险.因此,面向隐私保护的机器学习是材料信息学中的关键问题.基于此,本文针对在材料信息学领域广泛使用的随机森林模型,提出了一种差分隐私保护的随机森林算法.算法将整体隐私预算分配到每棵树上,在建决策树过程中引入差分隐私的拉普拉斯机制和指数机制,即在决策树的分裂过程中采用指数机制随机选择分裂特征,同时采用拉普拉斯机制对节点数量添加噪声,实现对随机森林算法的差分隐私保护.本文结合钢材料疲劳性能预测实验,验证算法在数据分别采用集中式存储和分布式存储下的有效性.实验结果表明,在添加差分隐私保护后,各目标性能的预测决定系数R^(2)值均达到0.8以上,与普通随机森林的结果相差很小.另外,在数据分布式存储情况下,随着隐私预算的增加,各目标性能的预测R^(2)值随之增加.同时,随着最大树深度的增加,算法整体的预测精度先增加后降低,当最大树深度取5时,预测精度最好.综合看来,本文算法在实现随机森林的差分隐私保护前提下,仍能保持较高的预测精度,且数据在分散存储的分布式网络的环境中,可根据隐私预算等算法参数设置,实现隐私保护强度和预测精度的平衡,有广泛的应用前景.

关键词：材料信息学随机森林隐私保护差分隐私钢疲劳性能预测

来源：评论

学校读者我要写书评

暂无评论

基于特征工程和机器学习的铝基高熵合金稳定性预测

引用

上海大学学报（自然科学版） 2022年第3期28卷 476-484页

作者：胡瑞刘庆张光捷李俊杰陈晓玉魏晓戴东波上海大学计算工程与科学学院上海200444 上海大学材料基因组工程研究院材料信息与数据科学中心上海200444 之江实验室浙江杭州311100

铝基复合材料具有众多优异的性能,应用前景较好.以简单稳定相的高熵合金可以作为增强颗粒来制备铝基复合材料,其各方面力学性能都显著提升.提出了一种基于结合了特征工程和机器学习的新方法来研究高熵合金相稳定性.该方法利用特征工程... 详细信息

铝基复合材料具有众多优异的性能,应用前景较好.以简单稳定相的高熵合金可以作为增强颗粒来制备铝基复合材料,其各方面力学性能都显著提升.提出了一种基于结合了特征工程和机器学习的新方法来研究高熵合金相稳定性.该方法利用特征工程筛选出影响目标属性的重要因素,然后选择相应的回归方法预测相稳定性.使用50%的数据集进行训练,并在其余数据集上进行测试验证.研究结果表明,该方法在预测高熵合金的相稳定性方面具有较高的准确性(R^(2)=0.994),且能辅助找到影响相稳定性的关键因素.

关键词：铝基复合材料高熵合金特征工程机器学习相稳定性预测

来源：评论

学校读者我要写书评

暂无评论

基于区块链的数据版权保护与组合竞拍

引用

上海大学学报（自然科学版） 2022年第3期28卷 413-426页

作者：徐宇钦钱权上海大学计算机工程与科学学院上海200444 上海大学材料基因组工程研究院材料信息与数据科学中心上海200444 之江实验室浙江杭州311100

基于区块链、数字水印以及密封递价拍卖的组合竞拍算法,设计并实现了一套数据版权保护与组合竞拍系统.首先,采用去中心化的区块链技术,结合智能合约来存储数据版权的上链记录、版权交易记录等,通过共识机制使得网络中的各个节点在互不... 详细信息

基于区块链、数字水印以及密封递价拍卖的组合竞拍算法,设计并实现了一套数据版权保护与组合竞拍系统.首先,采用去中心化的区块链技术,结合智能合约来存储数据版权的上链记录、版权交易记录等,通过共识机制使得网络中的各个节点在互不信任的情况下达成共识,提升了版权管理系统的公信力.其次,数字水印作为一种特殊的编码,能够将水印信息隐藏在数据中,通过验证水印信息就可甄别版权归属.结果表明,所设计的数字水印模块对原始数据大小增加很少,且可高效地实现数字水印的嵌入和提取.最后,设计了一种组合竞拍算法来自动化地为版权拥有者挑选出最优的出价组合,实现数据版权的价值交换.

关键词：数字版权数字水印区块链智能合约组合竞拍

来源：评论

学校读者我要写书评

暂无评论

基于自然语言处理的材料领域知识图谱构建方法

引用

上海大学学报（自然科学版） 2022年第3期28卷 386-398页

作者：魏晓王晓鑫陈永琪张惠然上海大学计算机工程与科学学院上海200444 上海大学材料基因组工程研究院材料信息与数据科学中心上海200444 之江实验室浙江杭州311100

如何将材料领域知识与机器学习技术相结合是材料智能研究迫切需要解决的问题.知识图谱(knowledge graphs,KGs)作为一种高效的知识组织模型,可以有效地对材料领域知识进行表示、组织和推理,从而提升材料机器学习算法的智能水平.研究了基... 详细信息

如何将材料领域知识与机器学习技术相结合是材料智能研究迫切需要解决的问题.知识图谱(knowledge graphs,KGs)作为一种高效的知识组织模型,可以有效地对材料领域知识进行表示、组织和推理,从而提升材料机器学习算法的智能水平.研究了基于自然语言处理技术的材料领域知识自动获取方法,提出了基于双向门控循环单元-图神经网络-条件随机场(bidirectional-gated recurrent unit-graph neural network-conditional random field,Bi-GRU-GNN-CRF)的材料实体关系联合抽取方法,以及基于改进TextRank算法的材料工艺知识抽取方法,实现了从专利、论文等材料文献中自动获取材料实体、关系、工艺流程等材料领域知识.实验结果表明,所提出的材料知识获取方法具有较好的精度和召回率,能够有效提升材料知识图谱的知识覆盖度.基于该方法构建的材料领域知识图谱的知识覆盖率达到了80%,能够为材料智能研发提供更加全面的知识支撑.同时,构建了非调制特殊钢、铝基复合材料、热障陶瓷涂层材料3个材料领域知识图谱,并进行了应用探索,进一步验证了知识图谱为材料研发提供知识支撑的可能性.

关键词：材料智能自然语言处理知识图谱

来源：评论

学校读者我要写书评

暂无评论

结合上下文词汇匹配和图卷积的材料数据命名实体识别

引用

上海大学学报（自然科学版） 2022年第3期28卷 372-385页

作者：陈茜武星上海大学计算机工程与科学学院上海200444 上海大学材料基因组工程研究院材料信息与数据科学中心上海200444 之江实验室浙江杭州311100

材料领域的文献中蕴含着丰富的知识,利用机器学习和自然语言处理等手段对文献进行数据挖掘是研究热点.命名实体识别(named entity recognition,NER)是高效利用挖掘和抽取数据中信息的首要步骤.为了解决现有实体识别方法中存在的向量表... 详细信息

材料领域的文献中蕴含着丰富的知识,利用机器学习和自然语言处理等手段对文献进行数据挖掘是研究热点.命名实体识别(named entity recognition,NER)是高效利用挖掘和抽取数据中信息的首要步骤.为了解决现有实体识别方法中存在的向量表示无法解决一词多义、模型常提取上下文特征而忽略全局特征等问题,提出了一种基于上下文词汇匹配和图卷积命名实体识别方法.该方法首先利用XLNet获取文本的上下文动态特征,其次利用长短期记忆网络并结合文本上下文匹配词汇的图卷积神经网络(graph convolutional network,GCN)模型分别获取上下文特征与全局特征,最终经过条件随机场输出标签序列.2种不同语料对模型进行验证的结果表明,该方法在材料数据集上的精确率、召回率和F1值分别达到90.05%、88.67%和89.36%,可有效提升命名实体识别的准确率.

关键词：命名实体识别 XLNet 图卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于强化学习的特征选择方法及材料学应用

引用

上海大学学报（自然科学版） 2022年第3期28卷 463-475页

作者：张鹏张瑞上海大学计算机工程与科学学院上海200444 上海大学材料基因组工程研究院材料信息与数据科学中心上海200444 之江实验室浙江杭州311100

随着大数据、人工智能以及高性能计算的快速发展,数据驱动的新材料研发成为研究热点.在对材料数据进行数据挖掘的过程中,需要对特征集合进行预处理,通过减少无关冗余特征,不仅可以避免模型过拟合,还能提高模型的可解释性.基于此,提出了... 详细信息

随着大数据、人工智能以及高性能计算的快速发展,数据驱动的新材料研发成为研究热点.在对材料数据进行数据挖掘的过程中,需要对特征集合进行预处理,通过减少无关冗余特征,不仅可以避免模型过拟合,还能提高模型的可解释性.基于此,提出了一种基于强化学习的特征选择(feature selection based on reinforcement learning,FSRL)算法,将封装式特征选择抽象成机器学习模型和“环境”互动的过程,并根据利益最大化准则将对应特征加入特征子集中.同时,为了提高模型的预测精度,还提出一种基于符号变换的特征构造方法来生成新的特征.最后,将所提出方法应用到非晶合金材料的分类预测任务和铝基复合材料的回归任务中.实验结果表明,FSRL算法的分类准确率最高提升了2.8%,而在回归任务中,基于特征构造的FSRL算法使得预测精度最高提升了22.9%.

关键词：特征选择强化学习特征构造方法

来源：评论

学校读者我要写书评

暂无评论

支持向量回归预测不锈钢的点蚀电位

引用

上海大学学报（自然科学版） 2022年第3期28卷 485-491页

作者：麦嘉琪徐鹏程丁松孙阳庭陆文聪上海大学理学院上海200444 上海大学材料基因组工程研究院材料信息与数据科学中心上海200444 上海大学计算机工程与科学学院上海200444 复旦大学材料科学系上海200433

点蚀是不锈钢的主要腐蚀类型之一,常用点蚀电位来评价不锈钢腐蚀的难易程度.点蚀电位会受到多方面因素的影响.基于不锈钢的元素成分和工艺参数,采用支持向量回归(support vector regression,SVR)算法建立了预测点蚀电位的模型.结果表明... 详细信息

点蚀是不锈钢的主要腐蚀类型之一,常用点蚀电位来评价不锈钢腐蚀的难易程度.点蚀电位会受到多方面因素的影响.基于不锈钢的元素成分和工艺参数,采用支持向量回归(support vector regression,SVR)算法建立了预测点蚀电位的模型.结果表明:独立测试集的相关系数达到0.97,均方根误差(root mean square error,RMSE)仅为0.07;通过Pearson相关分析和敏感性分析,元素Cr、Mo的含量和温度对点蚀电位的影响较大;当存在少量稀土元素时可以提高不锈钢的抗腐蚀能力.

关键词：不锈钢点蚀电位机器学习

来源：评论

学校读者我要写书评

暂无评论

聚丙烯复合材料老化数据集成学习

引用

上海大学学报（自然科学版） 2022年第3期28卷 440-450页

作者：武星高进丁鹏上海大学计算机工程与科学学院上海200444 之江实验室浙江杭州311100 上海大学材料基因组工程研究院材料信息与数据科学中心上海200444 上海大学理学院上海200444

聚丙烯复合材料老化实验周期长,且单次实验采集的数据样本少,使用传统机器学习方法进行预测的准确度较低.为了解决聚丙烯复合材料老化数据样本少与预测准确性低的问题,提出了一种虚拟样本生成(virtual sample generation,VSG)的集成学... 详细信息

聚丙烯复合材料老化实验周期长,且单次实验采集的数据样本少,使用传统机器学习方法进行预测的准确度较低.为了解决聚丙烯复合材料老化数据样本少与预测准确性低的问题,提出了一种虚拟样本生成(virtual sample generation,VSG)的集成学习预测方法.首先,对聚丙烯复合材料老化数据使用高斯混合模型(Gaussian mixed model,GMM)虚拟样本生成方法平滑生成验证有效的虚拟样本;然后,使用生成后的数据集建立集成学习预测模型,该模型包含随机森林(random forest,RF)、极端梯度提升(extreme gradient boosting,XGBoost)算法、轻量级梯度提升机(light gradient boosting machine,LightGBM)算法以及分类梯度提升(categorical boosting,CatBoost)算法.实验表明:集成学习模型的LightGBM算法与CatBoost算法性能最优,在测试数据上均方误差为0.0013与0.0001,比RF算法与XGBoost算法分别高出0.4与0.2.聚丙烯复合材料老化虚拟样本生成与集成学习方法可以有效解决实验周期长、单次实验采集的数据样本少的问题,并可取得比单一机器学习算法更优的性能.

关键词：聚丙烯复合材料材料老化集成学习高斯混合模型

来源：评论

学校读者我要写书评

暂无评论

陶瓷涂层材料多模态数据表征学习

引用

上海大学学报（自然科学版） 2022年第3期28卷 492-503页

作者：武星胡明涛丁鹏上海大学计算机工程与科学学院上海200444 之江实验室浙江杭州311100 上海大学材料基因组工程研究院材料信息与数据科学中心上海200444 上海大学理学院上海200444

陶瓷涂层具有耐高温、耐腐蚀、耐磨损等特性,其热膨胀系数和热导率等参数与其性能息息相关.为解决陶瓷涂层性能实验成本高、测试困难等问题,提出了陶瓷涂层材料多模态数据表征学习的性能预测方法.首先利用高斯混合模型虚拟样本生成(G au... 详细信息

陶瓷涂层具有耐高温、耐腐蚀、耐磨损等特性,其热膨胀系数和热导率等参数与其性能息息相关.为解决陶瓷涂层性能实验成本高、测试困难等问题,提出了陶瓷涂层材料多模态数据表征学习的性能预测方法.首先利用高斯混合模型虚拟样本生成(G aussian mixture model virtual sample generation,GMMVSG)算法生成符合真实陶瓷涂层数据分布的样本来扩充数据集;其次利用卷积神经网络VGG16对陶瓷涂层的显微结构图像数据进行特征提取,利用TabNet对结构化数据进行特征提取,将提取到的图像数据特征与结构化数据特征融合;最终根据多模态数据表征建立基于K-最近邻(K-nearest neighbor,KNN)、支持向量机回归(support vector regression,SVR)和多层感知机(multi-layer perceptron,MLP)3种机器学习算法的预测模型,对陶瓷涂层的性能指标,即热膨胀系数和热导率进行了预测.实验结果表明:提出的多模态数据表征学习模型的预测结果要优于单模态数据表征学习模型,其中基于MLP算法训练的多模态数据表征学习模型对陶瓷涂层性能的预测效果最好;在测试集中,对陶瓷涂层热膨胀系数预测的平均绝对误差(mean absolute error,MAE)和均方误差(mean square error,MSE)分别为0.0266和0.0017,对热导率预测的MAE和MSE分别为0.0179和0.0007.所提出的陶瓷涂层材料多模态数据表征学习方法有效融合了结构化数据与非结构化数据,联合学习了各模态数据的潜在共享信息,成功提升了对陶瓷涂料层材料性能预测的准确度.

关键词：陶瓷涂层高斯混合模型多模态数据表征机器学习算法

来源：评论

学校读者我要写书评

暂无评论

材料基因组工程专用数据库

引用

上海大学学报（自然科学版） 2022年第3期28卷 399-412页

作者：岳溪朝冯燕刘健于烨泳席慷杰钱权上海大学计算机工程与科学学院上海200444 国家超级计算无锡中心江苏无锡214072 上海大学材料基因组工程研究院材料信息与数据科学中心上海200444 之江实验室浙江杭州311100

材料数据具有多源、异构、高维等特点,收集纷繁复杂的材料数据,建立材料基因工程专用数据库,是实现数据驱动的新材料研发的基础.以材料数据的规范化表示、机器学习建模及模型跨域部署、材料数据隐私保护下的机器学习、利用知识图谱从材... 详细信息

材料数据具有多源、异构、高维等特点,收集纷繁复杂的材料数据,建立材料基因工程专用数据库,是实现数据驱动的新材料研发的基础.以材料数据的规范化表示、机器学习建模及模型跨域部署、材料数据隐私保护下的机器学习、利用知识图谱从材料数据库到知识库等材料基因专用数据库的若干核心技术为基础,介绍了材料基因数据库平台的系统架构及实现、平台超算部署及运行.最后以反钙钛矿负膨胀材料为例,介绍了材料基因工程数据库平台从数据归档到机器学习建模,再到逆向设计,以及最终实验验证的整个流程.

关键词：材料基因组工程数据库机器学习知识图谱

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：