基于可逆神经网络的卷烟焦油量预测方法
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
AITNT公众号
AITNT APP
AITNT交流群
搜索
首页
AI资讯
AI技术研报
AI监管政策
AI产品测评
AI商业项目
AI产品热榜
AI专利库
寻求报道
基于可逆神经网络的卷烟焦油量预测方法
申请号:
CN202411452202
申请日期:
2024-10-17
公开号:
CN120218141A
公开日期:
2025-06-27
类型:
发明专利
摘要
本发明公开了一种基于可逆神经网络的卷烟焦油量预测方法,包括:构建可逆神经网络模型;将目标化学成分作为输入数值,通过API接口将输入的数值传递到后端系统;后端系统接收到数值后,将其输入到可逆神经网络模型中;可逆神经网模型络根据输入的目标化学成分,输出三个特征值,完成卷烟焦油量预测;本发明基于可逆神经网络,能够实现焦油释放量的精确控制以及卷烟辅材参数的逆向预测,从而提高卷烟产品质量控制能力和研发效率。
技术关键词
卷烟焦油量
神经网络模型
后端系统
前端系统
卷烟纸透气度
特征值
损失函数优化
卷烟辅材
数值
交替方式
接装纸
变量
样本
阶段
误差
接口
系统为您推荐了相关专利信息
1
一种基于局部徘徊活动场景的船舶轨迹预测方法
混合神经网络预测
船舶轨迹预测方法
记忆单元
动态更新
神经网络模型
2
一种应用于深度学习训练场景的多节点GPU集群调度方法
集群调度方法
深度学习训练
深度学习神经网络
优化器
节点
3
基于CNN模型的机车变流柜体出口水温的预测方法
柜体
机车电力系统
诊断算法
实时数据
训练集
4
一种基于大数据的食品中有害物质风险评估方法及系统
检测食品
风险评估方法
BP神经网络模型
时序特征
指数加权移动平均值
5
一种星载GNSS反射信号多模态数据融合的海面高度反演方法
多普勒
反演模型
多模态数据融合
时延
卷积神经网络模型