分析了影响转炉冶炼终点钢水中锰含量的因素, 针对基于BP神经网络算法的转炉冶炼终点锰含量预测模型存在的收敛速度慢, 预测精度低等问题, 提出了一种基于极限学习机(ELM) 算法建模的新思路, 并引入正则化以及改进粒子群优化算法(IPSO), 建立了基于改进粒子群算法优化的正则化极限学习机(IPSO-RELM) 的转炉终点锰含量预测模型; 应用国内某炼钢厂转炉实际生产数据对模型进行训练和验证, 并与基于BP、ELM和RELM算法的三类模型进行比较.结果表明, 采用IPSO-RELM方法构建的模型, 锰含量预测误差在±0. 025%范围内的命中率达到94%, 均方误差为2. 18×10-8, 拟合优度R2为0. 72, 上述三项指标均显著优于其他三类模型, 此外, 该模型还具有良好的泛化能力, 对于转炉实际冶炼过程具有一定的指导意义

1 图像特征描述概述 2 目标识别概述 3 流形学习概述 4 应用实例：多视角目标识别

本章主要内容包括绘制组合体视图、阅读组合体视图、组合体的尺寸标注以及掌握组合体的分析方法。通过读图和绘图掌握本课程的重点和难点，便于提高空间分析以及空间想象能力。通过对组合体的学习，为后续章节内容奠定基础

选取某4000 m3级别高炉2014年至2019年时间范围内的日平均数据，以铁水温度为目标函数，首先对铁水温度的特征参量进行线性与非线性相关性分析、特征选择与规范化处理，获取了显著影响铁水温度的正负相关性特征参量。在此基础上，基于支持向量回归与极限学习机两种算法对铁水温度构建预测模型，模型均可对铁水温度实现有效预测，基于支持向量回归算法构建的预测模型较优，预测平均绝对误差为4.33 ℃，±10 ℃误差范围内的命中率为94.0%

华东师范大学：《C语言程序设计》课程教学资源（学习笔记）C语言程序设计学习笔记

1. 学习和了解扫描隧道显微镜的原理和结构； 2. 观测和验证量子力学中的隧道效应； 3. 学习扫描隧道显微镜的操作和调试过程，并以之来观测样品的表面形貌； 4. 学习用计算机软件处理原始图象数据

一 关于专业学习 二 高职生的考试与考证 三 高职生的综合素质

支持向量机 决策树 神经网络 贝叶斯分类器 集成学习 聚类

一、“思想道德修养”课的性质与任务 二、“思想道德修养”课的内容与特点 三、学习“思想道德修养”课的意义 四、学习“思想道德修养”课的方法

《人机工程学》课程PPT教学课件（课外学习）中国台北科技大学课外学习课件