Ridge Polynomial神经网络带动量项异步梯度算法的收敛性

将动量项引入到Ridge Polynomial神经网络异步梯度训练算法的误差函数中,有效地改善了算法的收敛效率,并从理论上分析了Ridge Polynomial神经网络的带动量项的异步梯度算法的收敛性,给出了算法的单调性和收敛性(包括强收敛性和弱收敛性)。算法的这些收敛性质对于如何选取学习率和初始权值来进行高效的网络训练是非常重要的。最后通过计算机仿真实验验证了带动量项的异步梯度算法的高效性和理论分析的正确性。     

安钢高炉提高块矿使用比例的试验研究及应用

通过对块矿高温性能进行试验研究和化学成分分析,在实际生产中,选择使用膨胀率低、对焦炭热性能负面影响较小、有效品位较高、块矿成分有利于炉料成分体系合理控制和高温性能的改善的块矿品种,如纽曼块、PB块或罗伊山块等低硅块矿,通过对炉料结构块矿品种的优化和配加比例的合理控制,实现了在保持高炉长期稳定条件下结构成本和加工成本的联动降低,产量效益亦较为显著。     

Pi-sigma神经网络的乘子法随机单点在线梯度算法*

在利用梯度算法训练Pi-sigma神经网络时,存在因权值选取过小导致收敛速度过慢的问题,而采用一般罚函数法虽然可以克服这个缺点,但要求罚因子必须趋近于∞且惩罚项绝对值不可微,从而导致数值求解困难。为克服以上缺点,提出了一种基于乘子法的随机单点在线梯度算法。利用最优化理论方法,将有约束问题转换为无约束问题,利用乘子法来求解网络误差函数。从理论上分析了算法的收敛速度和稳定性,仿真实验结果验证了算法的有效性。     

安钢9号高炉富氧喷煤生产实践

安钢9号高炉采取了改善原燃料条件、优化高炉操作、提高风温、富氧喷煤等措施,使得煤比大幅度提升、焦比显著下降.