工程量清单计价模式下无标底招标研究

鉴于目前建筑市场在实施有标底招标中的种种问题和弊端的出现．工程量清单计价模式下无标底招标则在降低工程造价、遏制腐败等方面发挥重大作用。本文从有标底招标弊端和无标底招标的优势两方面分析了推行工程量清单计价模式下无标底招标的必要性．提出了在工程量清单计价模式下无标底招标应采取合理低价中标的评标方法：对无标底招标工作的重点及难点问题进行分析后．认为应建立合理低价中标数学模型。在全面考虑影响评标工作的各种因素后,量化指标、顸估成本。     

基于虚拟样机技术的液黏调速离合器动态输出特性研究

液体黏性调速离合器主要应用于矿山的带式输送机上,同时在大功率风机、水泵的调速节能方面也有着广泛的应用。运用虚拟样机技术对液黏调速离合器的传动部分进行动态仿真,建立了离合器的动力学模型,模拟了液黏调速离合器的启动过程,并分析了不同因素对动态输出特性的影响。     

基于多核模型的地震信号高效稀疏分解

为了提高地震信号分解算法的效率和模型的稀疏度, 本文利用多个核函数作为原子, 自适应地对地震信号进行稀疏分解。通过对地震信号在时频域分别进行全局k均值聚类, 确定字典库中原子备选参数, 然后通过正交最小二乘算法进行信号的稀疏重构。合成资料以及实际地震资料应用结果均表明, 文中所提方法在达到同样的重构精度时, 较大程度地提高了地震信号分解的稀疏度。     

基于块分类和字典优化的K-SVD图像去噪研究

基于K-奇异值分解（K-SVD）的图像去噪方法使用K-SVD算法训练得到的过完备字典对图像进行稀疏表示去噪,能够在去除噪声的同时较好地保持原始图像信息。但该方法缺少对图像结构特征的考虑;此外,K-SVD算法训练得到的字典中往往含有噪声原子,从而导致该方法在强噪声下去噪性能欠佳。针对这些局限性,提出一种新的去噪方法：基于块分类和字典优化的K-SVD去噪方法。首先通过图像块的分类训练得到与图像结构相适应的字典,能够更为稀疏地表示图像;然后通过噪声原子检测将字典原子分为噪声原子和非噪声原子,并对噪声原子进行替换,减弱噪声原子对去噪性能的影响,得到优化字典;利用优化字典对图像进行稀疏表示去噪。仿真实验表明,与非局部均值去噪、曲波去噪以及经典K-SVD去噪等算法相比,新方法能够取得更好的去噪结果。     

NYD型逆止器逆止过程的数值模拟

应用Pro／Engineer软件的虚拟样机技术,对NYD型逆止器进行三维实体建模,应用显式动力学弹塑性有限元软件ANSYS／LS-DYNA对逆止器逆止过程进行数值模拟分析,深化了对逆止过程的认识,对各部件受力情况进行了分析,对逆止器的设计和改进具有参考价值。     

新的正交最小二乘方法

正交最小二乘是一种贪婪算法,采用逐步回归建模,每一步利用搜索算法找到最小化残差的一个回归项。将其拓展为每一步搜索多个最优的回归项,从而得到一种稀疏的回归方法,并将其应用于谐波分量提取中。仿真实验说明,新方法不仅能够较为精确地逐项估计出分量的参数,而且可以对分量个数进行有效的估计。     

重轨水平矫直规程对矫后残余应力的影响

建立了具有原始曲率的60kg/m重轨九辊水平矫直有限元模型,应用显式动力学软件ANSYS/LS-DYNA对矫直过程进行了数值模拟,对不同矫直规程矫后重轨残余应力的大小和分布状态进行了研究,得到了各辊压下量对残余应力的影响规律,对提高重轨矫直质量和矫直规程的制定具有参考价值.     

基于留一准则的多尺度径向基函数网络

针对传统径向基函数(RBF)网络难以确定迭代停止条件的缺点,提出采用最小化留一误差来训练多尺度RBF网络的算法。分别使用全局k均值聚类算法和经验选择方法,构造RBF节点的中心和尺度参数备选项集合,利用正交前向选择方法逐步最小化留一误差,从而确定网络的每一项中心和尺度参数。实验结果显示,该算法能够自动终止新网络节点选择,不需要额外的迭代终止条件,与传统的RBF网络相比,能够产生稀疏性更高且泛化能力更好的径向基网络。     

一种基于修正动量的RBM算法

受限玻尔兹曼机（Restricted Boltzmann Machine,RBM）是一种随机网络、概率图模型,它是一种比较有效的的无监督学习模型.针对RBM梯度近似的一种计算方法对动量加速不敏感,以及识别效果不理想等问题,本文提出一种基于修正动量的RBM算法.该算法结合RBM梯度近似方法,通过修改隐单元偏置参数的更新方式,避免RBM模型中隐单元取值采用概率值时导致模型识别效果不理想、动量加速有限等问题.同时,在RBM预训练阶段采用快速上升的动量方式,以加速网络收敛;在微调阶段引入缓慢下降的动量项,以避免陷入局部最优点并提高识别效果.本文算法通过在MNIST手写数字体,Extended Yale B和CMU-PIE人脸数据库上的数值实验结果表明,提出的算法能够有效地提高计算效率和提高网络泛化能力.该算法不仅对RBM的应用领域扩展具有十分积极的实际意义,且为深度学习的应用方法提供一种新的研究思路和借鉴.     

基于特征聚类的稀疏自编码快速算法

稀疏自编码网络在自然语言、图像处理等领域都取得了显著效果.已有的研究表明增加网络提取的特征个数可以优化稀疏自编码网络的处理效果,同时该操作将导致网络训练耗时过长.为尽可能减少网络的训练时间,本文提出了一种基于特征聚类的稀疏自编码快速算法.本算法首先根据K均值聚类最优数确定本质特征的个数,再由网络训练得到本质特征,并通过旋转扭曲增加特征的多样性,使网络处理效果得到提升的同时,减少网络训练耗间.实验在标准的手写体识别数据库MNIST和人脸数据库CMU-PIE上进行,结果表明本文所提算法能在保证网络正确率有所提升的同时,大幅度缩短网络训练耗时.