采用带动量项的线性再励自适应变步长BP神经网络算法,建立了基于多周期运行模式的烧结矿化学成分预报模型;使用基于数据库技术的知识库和正向推理的推理机,开发了化学成分控制专家系统.系统自投入运行以来,预报模型命中率稳定在90%以上,操作指导建议采纳率达到92%,实现了对烧结矿化学成分的稳定控制

KDD*模型是基于双库协同机制的知识发现新模型,是结构化数据挖掘领域研究的一个新的分支.为了进一步提高KDD*的智能性,设计了一个基于Multi-agent技术的智能数据挖掘系统.利用多智能体技术,实现了数据预处理、数据挖掘、知识的自动获取、基础数据库与知识库的同步进化与协调、知识的评价与表示等功能

针对中厚板生产产品规格变化大、轧制条件复杂等特点,提出一种基于案例推理的负荷分配模型,并应用数据库中的知识发现技术进行案例修正,使模型更符合实际轧制情况

基于新提出的冲压成型过程仿真汇场理论,建立了汇场理论支持系统,它含有控制程序、简化的模型库、方法库和数据库等4大部分,是一个模型驱动系统。运行该系统,对L形件压延过程进行仿真,得到了毛料外形,应变分布及压延过程图象

本文主要探讨我院M-150计算机在定题检索METADEX金属文献数据库时,提问主题词的确定和使用《冶金词表》的有关问题

含铝低密度钢由于其较好的综合力学性能和低密度特征引起结构钢领域研究人员的广泛关注.本文利用ThermoCalc热力学计算软件结合TCFE 7数据库,计算中锰中铝含量Fe-Mn-Al-C钢在不同温度的热力学平衡状态,总结其两相区相比例的变化规律,通过平移和修正等处理方法,绘制针对中锰中铝钢合金成分和相设计的类Schaeffler相图.结合马氏体转变温度的计算讨论对应不同合金成分条件下相种类存在可能,并通过已有材料的相比例和相形貌实验结果分析绘制的类Schaeffler相图的准确性和适用性.绘制的Fe-Mn-Al-C类Schaeffler相图可以直观地提供不同合金成分所对应的相比例、相种类等信息,可用于新型含铝低密度钢的合金设计

针对人耳识别中存在姿态、光照变化等问题,提出信息融合的方法,将二维人耳和三维人耳的信息进行融合,以克服姿态、光照对人耳识别的影响.对于二维人耳,由于姿态等的变化会导致人耳图像数据在高维空间中呈现出非线性流形结构,采用等距映射这种流形学习算法进行特征提取,对三维深度人耳则采用3D局部二值模式进行特征提取,然后分别进行二维和三维人耳识别,最后在决策层进行融合识别.在79人的人耳数据库上进行了实验,每人8幅带姿态的二维人耳图像和6幅带光照的三维人耳深度图像.实验结果表明,与单独的二维人耳和三维人耳识别相比,融合之后的识别效果和认证效果均有很大的改善

在高炉炉缸破损调研的基础上对高炉炉缸耐火材料热面凝铁层进行取样,利用扫描电子显微镜、物相分析等分析手段揭示了凝铁层的物相组成,并运用Thermol-calc热力学计算软件结合TCFE8数据库对铁水中石墨碳的析出温度及析出相分数进行了计算,最后揭示了炉缸凝铁层物相的形成机理.结果表明,高炉炉缸凝铁层主要由Fe相和石墨碳相交替分布组成,铁水成分对石墨碳析出温度影响较大,石墨碳析出温度远高于铁水凝固温度,铁水中C、Si元素含量对石墨碳析出相分数影响较大,而石墨碳析出相可增大铁水黏度11.9%.凝铁层中石墨碳的析出主要是由于Fe-耐火材料界面温度低于石墨碳析出温度,使得铁水中C不断向耐火材料热面迁移,进而形成Fe-C交替的分层结构

在语音识别中,卷积神经网络(convolutional neural networks,CNNs)相比于目前广泛使用的深层神经网络(deep neural network,DNNs),能在保证性能的同时,大大压缩模型的尺寸.本文深入分析了卷积神经网络中卷积层和聚合层的不同结构对识别性能的影响情况,并与目前广泛使用的深层神经网络模型进行了对比.在标准语音识别库TIMIT以及大词表非特定人电话自然口语对话数据库上的实验结果证明,相比传统深层神经网络模型,卷积神经网络明显降低模型规模的同时,识别性能更好,且泛化能力更强

基于面部动态表情序列，针对静态表情缺少时间信息等问题，将空间特征与时间特征融合，利用神经网络在图像分类领域良好的特征，对需要进行细节分析的表情序列进行处理，提出基于分离式长期循环卷积网络(Separate long-term recurrent convolutional networks, S-LRCN)的微表情识别方法。首先选取微表情数据集提取面部图像序列，引入迁移学习的方法，通过预训练的卷积神经网络模型提取表情帧的空间特征，降低网络训练中过拟合的危险，并将视频序列的提取特征输入长短期记忆网络(Long short-team memory, LSTM)处理时域特征。最后建立学习者表情序列小型数据库，将该方法用于辅助教学评价