外墙涂料推广应用背景和现状及发展趋势

介绍了国内外外墙涂料的应用现状及发展趋势,并通过外墙涂料与装饰石材、玻璃幕墙、外墙饰面砖、铝塑复合板的比较阐述了外墙涂料的推广应用背景,指出了外墙涂料发展的总趋势,以期促进涂料的开发和应用。     

负离子功能纺织品的现状及其发展趋势

介绍了负离子纺织品的多项功能、机理及产生的健康效应,分析了国内外负离子功能纺织品的现状并展望了其发展趋势。     

非晶材料的热膨胀系数和声子谱测量与纳米晶成形机制的关联

用熔体快淬法制备的非晶态合金经退火处理可形成纳米晶合金,其形成机制至今仍是研究的热点。国外纳米晶成形机制研究主要集中在添加元素在晶核的形成和长大过程中的作用等方面。本工作认为纳米晶的形成有着更深层的原因,结合长期以来关于因瓦合金的热膨胀系数和声子谱测量,以及最近纳米软磁材料的声子谱研究,指出非晶态合金中的声子软化现象反映出原子间的相互作用力减弱,非晶合金体系处于结构松散状态,非晶合金的这种结构不稳定性才是造成其在晶化初期易于爆发式大量形核,并进一步形成均匀分布的纳米晶的主要原因。     

关于Volterra频域核辨识的多音激励信号设计

为解决非线性系统辨识多音激励信号的设计问题,提出了一种多音激励信号的设计方法.该方法首先研究了多音激励下Volterra核的频域输出特性,推导出了前3阶Volterra核的频域输出的计算公式,进而采用全局搜索法搜索最优频率分量,使非线性系统在多音信号激励下,各阶核的频域输出分量互不重合,从而达到系统可辨识的条件.对一非线性电路,采用所设计的激励信号,可辨识出该电路的前3阶Volterra频域核,验证了该方法的有效性.     

有限维空间非谐振子广义偶奇相干态及其非经典特性

构造了有限维空间非谐振子广义偶奇相干态,并运用数值计算方法研究了其非经典特性。结果表明,相对于无限维情景,随空间维数减小,广义偶奇相干态的压缩反常现象均削弱,广义偶相干态的反聚束反常现象增强;而方义奇相出现反聚束反常现象的区间缩小但反聚束程度加强。     

优化求解约束满足问题的MDDc和STR3算法

广义弧相容是求解约束满足问题应用最广泛的相容性,MDDc、STR2和STR3是表约束上维持广义弧相容应用较多的算法,其中MDDc基于对约束压缩表示的思想,将表约束表示成多元决策图,对各个元组之间存在较多交叠部分的约束具有很好的压缩效果;STR3同STR2一样基于动态维持有效元组的思想,当元组集规模缩减较慢时STR3维持广义弧相容的效率高于STR2.通过深入分析发现MDDc中查找节点的有效出边和STR3中检测并删除无效元组是耗时最多的操作.本文分别对MDDc和STR3提出一种自适应查找有效出边和检测删除无效元组的方法AdaptiveMDDc和AdaptiveSTR,对于同一操作,可以根据回溯搜索不同阶段的局势自适应地选择代价最小的实现方法,得益于较低的判断代价以及回溯搜索不同阶段采用不同方法的效率差异,AdaptiveMDDc和AdaptiveSTR相比原算法速度提升显著,其中AdaptiveSTR在一些问题上相比STR3提速三倍以上.     

基于粒子群—小波神经网络的短时交通量预测

针对短时交通量的非线性和时变性,提出一种基于粒子群—小波神经网络的预测方法。该方法以前馈多层感知器的神经网络拓扑结构为基础,将预测误差反向传播,经粒子群优化算法对神经网络连接权值进行修正。隐含层神经元选择Morlet母小波基函数作为激活函数,利用小波分解分离短时交通量的高频部分和低频部分,防止高低频数据之间的过度影响,进一步提高预测的精度。根据最简化结构概念对神经网络结构进行泛化,确定最优网络结构,提高预测的速度。通过实例预测显示,该方法预测精度高,预测速度快,能够满足实际工程的要求。     

关于GBF高强复合管在施工应用中的探讨

以太原电力学校2号教学楼工程为例，详细介绍了GBF高强复合薄壁管的施工方法，同时阐述了使用它在充分利用空间、缩短工期及节约投资方面的作用。     

基于不同分布假设条件的自回归条件异方差族模型在评估日前电力市场风险价值中的应用比较

Taking PJM day-ahead electricity market for example, a comparative research on evaluation of value at risk (VaR) of market by autoregressive conditional heteroskedasticity (ARCH) family model based on distributional assumption conditions is performed. Firstly, by use the analysis of ARCH family model the conditional variance series from marginal price return series is obtained; then by using computing formula of VaR, the VaR series under different distributional conditions is obtained; finally, the risk evaluation results under different distributional conditions are compared. Analysis results show that it is better to build VaR models based on different distributional assumption conditions at different times in a day.     

Machine learning by imitating human learning

Learning general concepts in imperfect environments is difficult since training instances often include noisy data, inconclusive data, incomplete data, unknown attributes, unknown attribute values and other barriers to effective learning. It is well known that people can learn effectively in imperfect environments, and can manage to process very large amounts of data. Imitating human learning behavior therefore provides a useful model for machine learning in real-world applications. This paper proposes a new, more effective way to represent imperfect training instances and rules, and based on the new representation, a Human-Like Learning (HULL) algorithm for incrementally learning concepts well in imperfect training environments. Several examples are given to make the algorithm clearer. Finally, experimental results are presented that show the proposed learning algorithm works well in imperfect learning environments.