微型计算机在换热器控制系统中的应用

本文论述了微型计算机和可编程控制器（ＰＣ）控制换热器系统温度的硬件设计和控制方法。     

快速原空间孪生支持向量回归算法

孪生支持向量回归(TSVR)通过快速优化一对较小规模的支持向量机问题获得回归函数。文中提出在原始输入空间中采用Newton法直接优化TSVR的目标函数,从而有效克服TSVR通过对偶二次规划问题求得近似最优解导致性能上的损失。数值模拟实验表明该方法不仅能提高TSVR的性能,并且可降低学习时间。     

基于BP神经网络的数据挖掘方法

神经网络的高度参数化特征使它特别灵活,以至于它可以精确的对数据进行分类,成为目前公认的高精度分类器。本文介绍一种基于BP神经网络的数据挖掘的分类方法,并提出了改进思想。     

基于特征映射的互联网频繁模式识别算法

提出了一种基于特征映射的互联网频繁模式识别算法,采用特征映射与聚类相结合的方法,解决了SPADE算法不能反映类信息的问题与大量数据聚类时的效率低下,同时,提出了比较合理的频繁模式定量评价体系,从而完成了识别系统的整体设计,对于处理互联网海量用户数据有着相当重要的作用,同时,可以根据此算法提供个性化推荐等服务来提升用户体验.     

BP神经网络权值初始值与收敛性问题研究

BP神经网络的收敛性问题是一直受到广泛关注的问题。本文针对BP网络在运算过程中陷入局部最小区，收敛速度慢的问题，从BP算法的原理出发，讨论了权值初始值对网络训练速度的强烈影响（仿真结果证明了这一点），并提出了解决方法。     

BP网络过拟合现象满足的不确定关系新的改进式

类比信息传递过程中的一般测不准关系式 ,引进表征问题复杂性的函数复相关系数R和代表网络结构特性的隐节点数h ,揭示了BP网络过拟合现象出现时的网络学习能力与推广能力之间满足的不确定关系式 ;通过模拟了 12种不同类型复杂程度函数的过拟合数值试验 ,确定出关系式中的过拟合参数 p的取值范围已缩小为 1×10 -5～ 5× 10 -4;给出应用BP网络对给定样本集的训练过程中 ,判断出现过拟合现象的方法     

一种新的TOC含量拟合方法研究与应用

由于取样的限制,通常在烃源岩评价中往往只能获得十分有限的实测烃源岩的TOC含量数据。但随着我国多数盆地精细勘探的深入,需要更加精细的烃源岩评价,因此,人们对测井数据拟合烃源岩的TOC含量变化越来越重视。目前该技术最先进的是人工神经网络拟合方法,但多种神经网络在拟合高成熟度碳酸盐岩烃源岩地层的TOC含量时相关性均不够高。针对研究区内烃源岩的特点,尝试了一种用图版分类-模糊排队-BP神经网络联合拟合TOC含量的新方法。利用该方法对鄂尔多斯盆地马家沟组的测井资料和实测总有机碳资料进行数据处理,将结果与ΔlogR方法、模糊神经网络方法的结果相比较,证实该方法的结果与实测值有更好的相关性,为系统了解鄂尔多斯盆地下古生界烃源岩发育提供了一定的科学依据。     

基于无线数据业务智能优化系统算法的研究与应用

针对业界GPRS/EDGE无线数据优化方法、算法不完善,工作效率低的问题,广西联通通过长期研究建立了一套优化经验方法和较适合现网的参数配置、算法,并将这套方法、算法应用到自主开发的无线数据业务智能优化系统中,使系统实现自动采集分析数据、自动提供优化方案、自动执行优化方案、自动生成优化报告功能,使无线数据业务优化工作朝着智能化方向迈进。     

基于电磁感应的钢筋定位及埋深检测新方法研究

钢筋混凝土结构广泛运用于电力基础设施中,对其内部钢筋参数进行检测能够有效判断其结构耐久性,对保障电力系统安全稳定运行有重要的意义。针对传统钢筋混凝土检测方法无法判断混凝土内钢筋走向及埋深测量不够精确的问题,通过对钢筋测量原理分析和霍尔传感器布局设计,提出了一种基于电磁感应的钢筋定位及埋深检测方法。该方法用于判断钢筋的中心位置并测量其偏转角度,同时利用拟合得到的函数反应检测值与钢筋埋深之间的关系。实验表明,埋深检测值受到相邻钢筋的影响而存在较大误差,间距越小误差越大,因此通过BP（Back propagation）神经网络对不同间距下的检测值进行了数据修正,有效地提高了混凝土中钢筋埋深的检测精度。     

基于神经网络的开关磁阻电动机建模

针对常规的BP算法存在收敛速度慢,容易陷入局部最小值的缺点,提出了一种提高BP网络学习速度的方法,并基于BP神经网络建立了开关磁阻电动机磁特性Ψ(θ,i)模型.神经网络的参数是经过优化选择的,训练的时间和步数都大为减少,程序运行稳定,经过训练、识别、预测三重整定,具有很强的学习泛化能力,大大增强了系统的实时性和鲁棒性.该模型有助于进一步优化能量转换,减小转矩脉动.