前向神经网络交叉覆盖算法的一种改进

对前向神经网络交叉覆盖算法进行了分析,在此基础上提出了一种改进的交叉覆盖神经网络模型,并给出其算法。实例表明这种改进算法不但可以进一步提高交叉覆盖算法的训练速度,而且可以减少拒识样本数,提高识别的精度,对样本分布较稀疏的模式识别问题具有较强的实用价值。     

基于支持向量机的股票预测

针对股票预测的特点，选择对上市公司股票走势有重要影响的相关数据进行测试。为了避免传统的预测算法（如BP算法）的一些弊端，使用可以避免这些弊端并且具有良好分类功能的支持向量机对该上市公司股票走势进行预测。测试表明预测的精度明显高于采用BP算法等传统神经网络分类方法的测试结果，预测达到了让人满意的效果。     

省煤器参数分布特性的分层模型分析

为研究燃煤发电机组中省煤器的参数分布特性,提出了一种新型的分层机制模型.该模型不需增加新的输入参数,即可通过模型各层间的耦合关系推算出省煤器内部热力参数沿烟气流动方向的分布.以某600 MW燃煤发电机组省煤器的实际运行数据为例,验证分层模型的准确性和计算精度.计算了该省煤器不同负荷时的主要热力参数分布.假设漏风与积灰2种故障工况,分析这些工况对省煤器的运行状态的影响.结果表明,漏风会使排烟温度下降,而积灰会使排烟温度上升;漏风的空间位置影响漏风的作用效果,同程度不同位置的漏风对整体性能的影响可相差71.6%,积灰的空间位置几乎不影响积灰对整体性能的作用效果.     

基于核覆盖算法的煤价预测

核覆盖算法是在一般覆盖算法的基础上引入了核函数而提出的。新的算法不仅克服了传统的预测方法中存在的局限性，而且融合了SVM中的核函数法与构造性学习的覆盖算法中的优点，具有计算量小、精度高等优点。将核覆盖算法用于煤炭价格的预测中，取得了比其他方法更好的结果，也充分体现了核覆盖算法的有效性。     

一种改进的水平分布式环境下基于同态加密的隐私保护算法

提出了一种改进的水平分布式环境下关联规则挖掘的隐私保护算法,该算法应用部分隐藏的随机化回答方法和同态加密技术,引入半可信第三方,将各站点的数据集进行扰乱和隐藏,并将数据的水平格式表示转换成垂直格式表示,通过位运算计算局部支持数,利用Paillier算法计算全局支持数。所提算法具有站点之间无须通信、支持数计算效率高、I/O操作次数少以及传输安全等优点。实验结果表明,所提算法提高了局部支持数的计算效率并减少了I/O操作次数。     

基于图粗化的层次图池化方法研究

图神经网络(Graph Neural Networks, GNNs)已被证明能有效对图结构数据进行建模，池化机制在使用GNN模型提取图层次特征过程中至关重要，近年来已经引起了越来越多研究者们的关注.现有基于聚类的层次图池化方法要么需要增加额外的神经网络层以实现特征图的粗化；要么不能从全局角度捕获节点在图中的重要性大小.针对以上问题，本文提出一种基于图粗化的层次图池化方法(Hierarchical Graph Pooling Based on Graph Coarsening, HGP-GC),用于学习图的层次特征表示.该方法主要包括图结构粗化和图属性粗化两个部分.利用结构粗化实现特征图尺寸的缩减；利用属性粗化突显图中重要节点对图级表示的关键作用.通过将HGP-GC池化策略与现有神经网络相结合，在不同规模公共数据集上的图分类实验结果证明了HGP-GC的有效性.     

光热电站熔融盐储热罐冷却速率研究EI北大核心CSCD

开展熔融盐冷却速率研究可为储热罐在不同情景下的高效利用及运行策略的选择提供参考。熔融盐冷却速率受到其热损失的直接影响,该文通过使用Modelica语言建立Andasol-1电站50MW储热罐热损失计算模型,探究熔融盐热损失变化规律,依此提出对罐体不同位置增加电加热装置的多种方案,并进行仿真分析和储热罐(火用)效率对比。结果表明:熔融盐与罐体底部对流换热损失占比最大,罐壁温度会通过与熔融盐对流换热和辐射换热的方式,对熔融盐热损失产生较大的影响。与传统的电加热方式相比,提升罐内气体温度不仅能够有效减缓熔融盐冷却速率,还可以使熔融盐热损失有明显的下降。     

苏子油的精炼及油中α—亚麻酸的纯化研究

苏子油中富含人体所需的α－亚麻酸，具有极大的保健价值。采用碱炼法精炼苏子粗油、，得苏子精油。其最佳条件为：过碱量５－１０％，皂化温度：３０－４０℃，精油后皂化水解后，采用脲我合法纯化α－亚麻酸，可将α－亚麻酸的含量由粗油中的５７．０５％提高到８４．２４％。     

基于多粒度用户偏好的文档级情感分析

不同的用户通常具有多粒度的用户偏好，即用不同的用词习惯来表达情感(单词级用户偏好);在不同的句子上表达出不同的情感强度(句子级用户偏好);用不同的评分特征对产品进行评价(文档级用户偏好)。现有情感模型在文本特征表示时并未考虑用户偏好的多粒度性，据此，该文提出了一种融合多粒度用户偏好的情感分析模型。首先，在单词粒度上，将用户信息融合到注意机制中来获取基于用户偏好的句子表示；然后，在句子粒度上，结合自注意机制获取基于用户偏好的文档表示；最后，在文档粒度上，将得到的文档表示与用户信息直接进行融合得到文档的特征表示，并利用该表示进行分类。在IMDB、Yelp13、Yelp14三个文档级数据集上的实验表明，该模型能更有效地提升分类性能。