浮选尾矿摇床再选试验研究

根据望儿山金矿的矿石特征，在欠磨条件下，对于单一浮选流程，利用摇床对浮选尾矿再选，可以有效回收目的矿物，充分开发利用宝贵的矿产资源。     

铜镉渣浆旋流分级返液试验研究

文章分析了影响旋流器工作的因素，根据铜镉渣浆的特性及试验要求确定了族流器的主要技术参数。分级后，溢流加入絮凝剂澄清３０ｍｉｎ，所产上清率可达４６．５４％，上清质量达标。上清返回锌浸出，减轻了镉工序的体积压力，可提高镉锦品位，确保生产的正常进行。本文还提出了试验中所存在的问题及解决的办法。     

EMASS的海量存储介质库与光带记录仪

本文着重介绍了无人操作介质库和光带记录仪。     

法建议修改INES定级程序

【美国《核子周刊》1995年6月8日刊报道】 法国已经对国际核事件分级表(IN-ES)迄今的状况提出异议,建议修改此分级表,使之应用起来更简单,并对一般公众更有用。 自1994年4月法国从运用本国核事件分级表——1987年制定,是后来制定的国际分级表的模式——转而采用INES以来,法     

网络信息资源分级体系框架的构建

网络信息分级是保障网络信息内容安全的重要手段。主要构建了网络信息资源分级体系框架六元组模型,分析了相关组成元素的内容,以适应不同行业应用。     

基于9种无约束优化算法的岩爆预测BP模型优选

为研究不同训练样本数量和无约束优化算法对岩爆BP(Back Propagation)神经网络模型预测准确率的影响,选取围岩最大切向应力与岩石单轴抗压强度比σθ/σc、岩石单轴抗压强度与单轴抗拉强度比σc/σt和弹性能量指数Wet作为预测指标,广泛搜集整理100组典型岩爆实例建立了训练样本数据库.在样本数量分别为40、70和100时,基于标准算法和9种无约束优化算法建立了10个岩爆BP神经网络预测模型,并提出了考虑不同样本规模影响的岩爆烈度等级预测指数——综合准确值N.比较研究结果表明:BP模型的预测准确率随样本数量增加而提高,3种样本数量下的模型平均预测准确率分别为62.5％、76.4％和87.5％;基于9种优化算法建立的BP网络模型的N值均高于标准BP模型;基于Ploak-Ribiere共轭梯度法优化的BP模型的N值(195)和预测准确率(99.0％)均最高,且在5个工程实例中的预测结果完全符合现场实际,优于标准BP模型、支持向量机模型和其他优化模型,为岩爆烈度等级预测的最佳模型.     

基于卷积神经网络的苹果分级算法研究∗

针对传统水果分级方式容易损伤水果表面且分级准确率低的问题,以苹果分级为例,提出了一种基于卷积神经网络的苹果分级算法,并分析比较多种卷积神经网络模型,分别用各网络模型训练一个卷积神经网络并对同一测试集图像样本进行分级试验,其中DFNet模型在苹果的一级果、二级果和三级果的分级上,表现出了97％ 左右的分级准确率,达到了良好的分级效果.