排序方式: 共有42条查询结果,搜索用时 15 毫秒
1.
为了进一步优化神经网络算法,提高网络神经算法的速率并提高其稳定性,就现有BP算法所存在的收敛速度慢以及容易陷入局部极小值的弊病,我们将进一步通过一般改进算法解决在神经网络结构优化过程中依然无法解决的问题。依据遗传算法的特征,进一步在经过改进的压缩映射遗传的基础上提出了BP神经网络优化方案。泛函分析中压缩映射原理的应用,一方面解决了困扰人们的BP神经网络算法所固有的缺点,显著地提高了神经网络算法的收敛速度,而且解决了BP神经在运行的过程中和网络连接权值初值的取值紧密相连的缺点。经过大量的计算我们得到如下数据:经过优化改进后,训练时间节约了8.3%,训练步数降低了近17.4%。经过大量的研究实验表明:经过改进后的BP神经网络算法取得了良好的效果,十分具有应用价值。 相似文献
2.
3.
4.
目的建立液相色谱—电感耦合等离子体质谱法测定大米中砷形态化合物的分析方法。方法样品经硝酸提取,采用Dionex lonPac AS7色谱柱, 5 mmoL/L和10 mmoL/L碳酸铵溶液作为流动相进行梯度洗脱,液相色谱分离,电感耦合等离子体质谱进行定性和定量分析。结果在1.0~100.0μg/L浓度范围内各砷形态线性良好,相关系数r均优于0.999,方法加标回收率为84.5%~112.1%,相对标准偏差5%。结论本研究建立的方法准确、可靠、灵敏度高,适用于大米中砷形态化合物的定量检测。 相似文献
5.
通过水溶液离子交换法和初湿浸渍法制备Cu和Ce改性的Fe-ZSM-5催化剂,研究其在NH3选择性催化还原NOx中的作用。通过表征技术(NH3-SCO,BET,XRD,XPS,UV-Vis,NH3-TPD,H2-TPR)探讨了催化剂活性位、酸性位和孔结构的变化,发现活性Cu物种和Fe物种的分散情况是影响整个催化过程中催化活性的重要因素。Fe-ZSM-5催化剂中Cu的掺杂带来了新的活性物种,孤立Cu离子和CuO颗粒,从而改善了低温催化活性。然而,催化剂的氨氧化作用也随之加强,催化剂中的部分Fe3+活性位和Br?nsted酸性位被Cu物种取代,这导致了高温活性的降低。进一步掺杂Ce后,高温活性得到恢复,可以归因于Ce促进了活性Cu物种和Fe物种的高度分散。这些发现为多金属掺杂调节铁基SCR催化剂的活性窗口提供了理论支持。 相似文献
6.
恒稳强磁场在科学研究、生物医疗和材料科学等领域发挥着举足轻重的作用。针对超强磁场难以测量和溯源等问题,采用基于磁通调制原理的强磁场测量方法研制了高稳定强磁场测量装置,通过开发信号调理电路,利用锁相原理获得最佳信噪比,最终获得与被测强磁场磁感应强度相对应的感应电动势值。采用标准磁场对测量装置的线圈常数标定后,该线圈常数可作为传递标准,实现超强磁场的测量和校准。对1~7 T范围内超导强磁场开展测试和比对,并对测量装置及线圈常数进行了详细的不确定度分析评估,结果表明,1~7 T磁场测量的偏差优于0.083%,测量装置引入的相对不确定度达到3×10-4,这对于超强磁场的测量有重要的参考意义。 相似文献
7.
急诊室是进行复杂医疗技术工作的场所,具有动态性、不确定性、分布性和协作性等特征。与其他医疗系统不同的是,急诊室是一种开放、无边界,且需要复杂交流的社会技术系统。在此系统中,从人的失误和职业安全的角度研究导致医护人员出现失误的因素显得尤为迫切。本文从人、任务和组织的角度,对前人文献中关于导致急诊室中人的失误的因素进行了综述,着重研究阻碍急诊室进行有效、安全运行的因素,并对此提出相应的可行措施。本文旨在帮助医院、急诊室管理者、医生和其他医护人员将避免失误的措施运用到实际工作和管理中,以减少人的失误,提升医护工作者的职业安全。 相似文献
8.
通过分析影响高温氧化的各项因素,研究了2013年国内600 MW以上等级超(超)临界锅炉机组高温氧化的典型实例。从材料、温度及介质3个方面对锅炉高温氧化及氧化皮剥落的影响进行了梳理和总结。研究发现:① TP347H材质在晶粒度较低的情况下抗水蒸气氧化性能差;② 存在汽温欠温问题的锅炉,往往也容易出现氧化皮早期剥落的问题;③ 制造厂家给出的壁温控制报警值不能有效指导电厂运行控制以防止氧化皮带来的问题;④ 锅炉采用的给水加氧处理工艺与氧化皮大面积剥落没有直接关联。最后,提出了今后高温氧化问题的研究方向和改进措施。 相似文献
9.
10.
高压输电线路的发展性故障往往受运行状态和故障发展过程的影响,给故障甄别和保护决策造成困难。为了准确识别高压输电线路的发展性故障,保证继电保护装置动作的正确性,将全卷积神经网络(fully convolutional network, FCN)与卷积注意力模块(convolutional block attention module, CBAM)相结合,提出一种基于CBAM-FCN的发展性故障识别方法,通过在传统全卷积网络中引入CBAM模块,使神经网络能够聚焦于故障波形的突变、幅值等重要特征,忽略无关干扰。此外,所提方法能够输出表征故障状态变化的一维时序序列,实现对输电线路发展性故障的全过程识别。最后大量仿真验证了所提方法的抗噪性能和泛化能力,并通过可视化技术展示了网络模型的可解释性。 相似文献