提高集聚纺纱效率的可行性研究

本文主要讨论了精梳工序和普梳工序对集聚纺纱线质量和加工效率影响的测试结果。     

热分配表蒸发量的影响因素及修正

热分配表的蒸发量会因系统流量、散热器种类、片数、安装方式、房间位置的不同而使得相同的蒸发量代表着不同的散热量。确定修正系数不仅必要，而且需要经过大量的试验验证。     

复合射孔枪枪身材料动态本构关系的试验研究

为确定复合射孔枪枪身材料32CrMo4钢在井下高温、高加载率工作环境下的动态性能,利用MTS试验机和分离式Hopkinson冲击压杆装置做了应变率为0.001、1000和3000/s,温度为294、373、473和573K的单轴动态压缩试验,得到32CrMo4钢各组温度及应变率下的流动应力-应变曲线。拟合得到该钢Johnson-Cook本构关系模型所需的5个参数,模型拟合曲线与试验曲线吻合。     

从心理学数据中发现可理解的模式

近年来,机器学习技术常被用于分析心理学数据,以期从数据中找出有价值的模式,更好地刻画和调整人们的心理行为。提出采用二次学习风范的规则生成算法,结合规则学习算法的在模式理解性方面的优势和集成学习、支持向量机等高性能算法在泛化性能上的优势,从心理学数据中发现准确且易于理解的模式。实验表明,采用二次学习风范的规则生成算法在泛化性能上显著高于传统的规则生成算法,且在许多情况下,其输出规则的可理解性亦优于传统的规则生成算法。     

一种基于半监督学习的多模态Web查询精化方法

Web搜索系统往往通过与用户的交互来精化查询以提高搜索性能.除文字之外,网页中还存在着大量其它模态的信息,如图像、音频和视频等.以往对于查询精化的研究很少涉及对多模态信息的利用.文中提出了一种基于半监督学习的多模态Web查询精化方法M2S2QR,将Web查询精化转化为一个机器学习问题加以解决.首先,基于用户判断后的网页信息,分别为不同模态训练相应的学习器,然后利用未经用户判断的网页信息来提高学习器性能,最后将不同模态学习器结合起来使用.实验验证了文中方法的有效性.     

基于域理论的自适应谐振神经网络研究

提出了一种基于域理论的自适应谐振神经网络算法 FTART,有机结合了自适应谐振理论和域理论的优势 ,以一种独特的方式解决了示例间冲突和分类区域的动态扩展 ,不仅不需要手工设置隐层神经元 ,可以还获得了较快的训练速度和较高的预测精度 .同时还提出了一种可以从训练好的 FTART网络中抽取可理解性好、精度高的符号规则的方法 ,即基于统计的产生测试法 .实验结果表明 ,用该方法抽取的符号规则可以较好地描述FTART的功能.     

可视化技术在电力变压器状态检测专家系统中的应用

将可视化技术应用于电力变压器状态检测专家系统,通过对变压器油中溶解气体色谱数据作二维、三维可视化处理;不仅使得变压器故障点清晰直观;易于判断处理;还减轻了传统分析方法所需的计算负载,较大地提高了诊断效率。     

一种选择性神经网络集成构造方法

提出了一种选择性神经网络集成构造方法,在训练出个体神经网络之后,使用遗传算法部分网络来组成神经网络集成。理论分析和实验结果表明,与传统的使用所有体网络的方法相比,该方法能够取得更好的效果。     

增强前馈神经网络对多点断路故障的容错能力

神经网络在发生多点断路故障时,网络中的多个隐层神经元及其相关的连接权同时失效。该文针对陷层神经元可以动态增加的一类前馈神经网络,提出了一种三阶段方法T3。T3先对网络进行一次训练,然后用验证集进行测试以确定网络的故障曲线拐点,在此基础上通过第二次训练自适应地增加冗余隐层神经元。实验表明,T3使用较小的冗余量就可以显著改善网络对多点断路故障的容错性,在网络的容错能力和结构复杂度之间较好地达成了折衷。