一、基本统计处理 1、查取最大值 MAX函数的命令格式有: [Y,]=max(x):将max(X)返回矩阵X的各列中的最大元 素值及其该元素的位置赋予行向量Y与;当X为向量时,则Y与I为 单变量。 [Y,=max(x,l,diM):按数组X的第DIM维的方向查 取其最大的元素值及其该元素的位置赋予向量Y与I

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%

• SIMD结构 –向量体系结构 –多媒体SIMD指令集扩展 –图形处理单元 •向量体系结构 •GPU

• SIMD结构 − 向量体系结构 − 多媒体SIMD指令集扩展 − 图形处理单元 • 向量体系结构 • GPU

• SIMD结构 − 向量体系结构 − 多媒体SIMD指令集扩展 − 图形处理单元 • 向量体系结构 • GPU

作为磨矿过程的主要生产质量指标, 磨矿粒度是实现磨矿过程闭环优化控制的关键.将磨矿粒度控制在一定范围内能够提高选别作业的精矿品位和有用矿物的回收率, 并减少有用矿物的金属流失.由于经济和技术上的限制, 磨矿粒度的实时测量难以实现.因此, 磨矿粒度的在线估计显得尤为重要.然而, 目前我国所处理的铁矿石大多数为性质不稳定的赤铁矿, 其矿浆颗粒存在磁团聚现象, 所采集的数据存在大量异常值, 使得利用数据建立的磨矿粒度模型存在较大误差.同时, 传统前馈神经网络在磨矿粒度数据建模过程中存在收敛速度慢、易于陷入局部最小值等缺点, 且单一模型泛化性能较差, 现有的集成学习在异常值干扰下性能严重下降.因此, 本文在改进的随机向量函数链接网络(random vector functional link networks, RVFLN)的基础上, 将Bagging算法与自适应加权数据融合技术相结合, 提出一种基于鲁棒随机向量函数链接网络的集成建模方法, 用于磨矿粒度集成建模.所提方法首先通过基准回归问题进行了实验研究, 然后采用磨矿工业实际数据进行验证, 表明其有效性

• 异常与中断的基本概念 – 功能：处理意外事件，I/O • 指令异常，系统服务（syscall） • 外部中断 – 时序：顺序语义 • 指令周期：同步，异步（中断周期） – 属性：5种 • 异常与中断响应的基本过程 – 机构 • 向量式/非向量式，控制栈 • 异常：EPC，Cause，Vector • 中断：EPC，Cause，Vector，Enable，Mask – OS：ESR/ISR – 约定：软硬件接口 • 异常与中断响应过程控制 – 多周期异常处理：中断周期 – 流水线异常处理 • 精确，非精确

1、根据9.3.2节所讨论的矩阵向量乘法,试证明:在p个处理器的超立方上, 用SF选路方法进行矩阵-向量乘法,其并行运行时间约为 n2lp+ log+(3/2)tn(n/p)log

对人耳识别中若干关键问题进行了研究.介绍了两种人耳图像归一化处理的方法,即基于外耳轮廓长轴的线标记法和基于外耳轮廓起始点的点标记法,并对这两种方法进行了对比.在分析现有人耳识别方法不足的基础上,提出利用核主元分析法提取人耳图像的代数特征,再利用支持向量机分类模型进行人耳识别.在带有角度、光照变化的北京科技大学人耳图像库上得到的识别率为98.7%,表明了该识别方法的有效性以及利用人耳图像进行身份识别的可行性

第二章离散时间信号和系统 2-1信号及序列 设离散信号系列{x(k)} 一、标准向量 一般作为自变量k. 1、向量的基本表示方法: