.png){kind=icon}
返回
Physics-informed semi-supervised learning for hot-rolled strip flatness pattern recognition based on FixMatch method
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.128885.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 为热轧带钢缺陷模式识别建立了SSL框架。
• 针对SFPR提出了由物理信息引导的特征提取方法。
• FixMatch模型应用于热轧SFPR领域。
• PINN方法能够增强SSL框架的准确性和泛化能力。
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
暂无机构信息
引用论文
Physics-informed deep learning for traffic state estimation based on the traffic flow model and computational graph method基于交通流模型和计算图法的深度学习交通状态估计.png)
INFORMATION FUSION
OAAI
INFORMATION FUSIONIF15.5
OAAI分享收藏Interpolation consistency training for semi-supervised learning半监督学习的插值一致性训练NEURAL NETWORKSOAAI
NEURAL NETWORKSIF6.3
OAAI分享收藏Data-Driven Intelligent Recognition of Flatness Control Efficiency for Cold Rolling MillsElectronics
OAAI
ElectronicsIF0
OAAI分享收藏A physics guided data-driven prediction method for dynamic and static feature fusion modeling of rolling force in steel strip production一种物理引导的数据驱动预测方法，用于带钢生产中的动态和静态特征融合建模
PREAI
分享收藏
查看更多内容