원래 이름 기록: 西南财经大学

本公开实施例提供了一种融合多模态工业数据的大语言模型机械加工工艺智能设计方法，包括：对多模态工业数据进行预处理和特征提取，生成标准化的输入序列；基于大语言模型构建切削参数与工艺性能之间的语义关联关系；基于实时切削力和振动数据调整切削参数，并反馈至模型进行迭代优化；结合历史工艺数据库和实时监测结果生成最优加工方案并实施。通过本公开实施例的方案，能够解决1.如何根据多模态传感器采集的实时切削力和振动数据对切削参数进行动态调控以解决加工过程中的刀具磨损不均衡问题。

本公开实施例提供了考虑多目标权衡的决策树 ‑ 数学规划分层机械加工调度方法，包括：建立包含多个目标函数的优化模型并构建决策树结构；基于所述决策树结构生成多目标权衡函数，并计算其梯度信息；基于所述权衡函数梯度对优化空间进行分区调控，以识别并规避局部劣化区域；在调控后的优化空间中执行数学规划求解，得到最优机械加工调度方案。通过本公开实施例的方案，能够解决如何根据权衡函数梯度对多目标优化空间进行分区调控以解决目标函数局部劣化的问题。

本申请提供了一种信用风险评估模型的训练方法和信用风险评估方法，涉及信用风险评估技术领域。具体实现方案为：获取原始数据集；通过随机森林模型对原始数据集中的数据进行筛选，得到原始数据集对应的目标数据集；利用目标数据集训练信用风险评估模型。根据本申请的技术方案，可以合理地从供应链金融的各项数据中筛选出用于训练信用风险评估模型的指标数据，在保障模型对于信用风险评估准确率的基础上降低模型的训练难度。