浅谈高校毕业生的自我教育

高等学校加强毕业生的自我教育，充分发挥毕业生内在的积极因素，是行之有效地开展思想教育的好办法。     

浅淡高校毕业生的自我教育

高等学校加强毕业生的自我教育,充分发挥毕业生内在的积极因素,是行之有效地开展思想教育的好办法。     

预防维修优化模型及其在数控设备维修中的应用

随着我国制造业的大力发展,数控设备在各行各业的应用越来越广泛,而对于数控设备的合理维修时机的确定往往是一个难题.本文介绍了设备预防维修方式的选择、预防维修模型及预防维修决策,探讨了预防维修的优化建模过程,并对数控设备维修运用预防维修优化模型进行了实例研究.     

基于深度学习的线上农产品销量预测模型研究

本文基于线上农产品销售存在的信息不对称问题,提出一种应用深度学习算法优势结合涉农电商销售数据特点的销量预测模型-皇冠模型（Imperial Crown Model,简称ICM）。首先建立因素评价指标,将销量分为四个类别。其次,采用两层自编码网络从无标签数据集中学习得到能够表征数据特征的参数,并生成新的特征向量。然后利用训练后的有标签样本集和无标签样本集训练分类器并分类。最后,利用反向传播算法微调整个网络参数得到使损失函数值达到最小的最优参数,从而实现线上农产品的销量分类预测。经仿真分析,验证了ICM模型的分类准确率高达88%,明显高于其它未将数据进行特征学习的浅层分类器,证明了ICM具有较好的增量自学习能力和层次认知能力。     

连铸坯凝固过程的边界元法分析

建立了用边界元法求解连铸坯凝固传热问题的数学模型，用ＦＯＲＴＲＡＮ语言编写了计算程序，以某钢厂连铸机铸坯凝固过程为例进行了计算，计算结果与实测结果接近．     

结晶器非正弦振动波形及参数研究

提出了一种既具有非正弦振动的全部特征，又具有正弦振动优点的非正弦振动变形；给出了确定振动参数的方法。     

改进多重最小支持度关联规则算法在故障诊断中的应用

Apriori算法的前提是数据库中各项目的频率和重要性是相同或者相似的,但在故障诊断的实际应用中并非如此。在Apriori算法的基础上进行改进,利用多重最小支持度解决了设备故障诊断中非频繁项目的挖掘;同时针对在实际的应用中项目集的重要程度不一致的问题,提出一种基于"组件信誉值"的加权多重最小支持度算法,并通过实际的例子证明了该算法在故障诊断中的正确性和有效性。     

基于变权关联规则的设备故障诊断研究

加权关联规则应用于设备故障诊断是当前的研究热点,其前提假设是,设备组件的权值在整个设备生命周期中是恒定不变的。而实际上,随着设备组件的磨损,各组件的权值会随时间而发生变化。本文针对这种情况,提出了一种适用于设备故障诊断的变权关联规则算法,将随时间而变化的设备组件磨损程度因素作为衡量组件权重值的一项重要指标,以提高设备故障诊断的准确率,并用具体的实例分析来说明运用变权关联规则对设备故障诊断更加准确。