应用神经网络建立连铸钢水温度预报模型，重点研究了转炉出钢到中间包浇铸区间的温度变化，确定钢水温降与其影响因素之间的非线性映射关系.本模型能较准确地预报连铸钢水温度

对于那些无法用数学方程式表述的复杂生产过程,提出一种基于模式识别原理的智能自动化新方法.该方法的基本点在于:从信息的角度出发,采用特征变量来描述过程工况,再用时间序列分析法建立预测模型,从而实现工艺最优化.还介绍了专门为此目的研制的红外线CCD热成像装置,并给出了建立预测模型的神经网络算法

在对混沌时间序列与随机序列的不同特征进行分析的基础上,提出一种可对二者予以区分的判定算法.并结合具有优异特性的小波函数,构造一种小波神经网络.最终给出基于小波网络的集成的混沌时间序列判定一预测算法

6.1 机器学习概述 6.2 符号学习 6.3 神经网络学习 6.4 知识发现与数据挖掘

差值控制细胞神经网能够实现灰度图像滤波等复杂运算.针对原有差值控制细胞神经网中值滤波器在稳定性和可实现性上存在的不足,提出了一种伪中值滤波器(CNN PM-filter),进而引入Mask图构造了选点式伪中值滤波器.从实验结果和相关度分析可以看出,本文提出的两种滤波器在改善稳定性与实现性的同时,没有影响到滤波器的性能,而选点式伪中值滤波器能有效降低滤波造成的模糊图像,取得更佳处理效果

采用反向传播网络作为推理机,构造了高炉异常炉况判断专家系统,该系统具有良好的自学习功能和联想记忆功能.系统采用离线学习方式,在线运行时,可将高炉操作实绩存入知识库,作为进一步学习的样本,从而提高了系统精度和联想能力

《工程科学学报》：基于深度神经网络的点击率预测模型

提出了板坯连铸二冷区全智能控制系统的构想，并用人工神经网络和模糊控制的方法对该系统进行了计算机仿真.结果表明，该系统不但能完成二冷各区段铸坯表面温度的动态控制，而且具有良好的自适应性和自学习功能

为提高开关电流电路故障诊断的精度,提出了一种基于小波包优选和优化BP神经网路的开关电流电路特征抽取与识别方法.首先对开关电流电路原始响应信号进行多层次的小波包分解,接着计算N层分解后的归一化能量值,以特征偏离度作为评价选择最优小波包基,构建最优故障特征向量,最后将提取的最优故障特征通过遗传算法优化的BP神经网络进行分类.该方法以实例电路进行验证,结果表明所有的软故障均得到了有效的分类,说明了该方法在开关电流电路故障诊断中的优越性

传统人群搜索(SOA)算法通过计算搜索方向、搜索步长和搜寻更新个体位置三个步骤进行寻优.它的缺点在于计算量大,种群之间信息交流少,导致寻优速度慢.针对人群搜索算法存在的缺点,本文提出二项交叉算子改进人群搜索算法(BCOISOA)对其改进.在计算搜索步长方面,本文采用随机数与最大函数值位置乘积判断子群位置,进而提高全局寻优计算速率.在更新位置方面,本文提出二项交叉算子加强种群之间的联系,避免在更新搜索方向过程中,算法因局部最优而导致过早收敛,进而达到快速、准确寻找最优解的目的.本文将以上二项交叉算子改进人群搜索-BP神经网络算法应用在二段式磨矿过程中,实现磨矿粒度在线软测量.仿真结果表明,与人群搜索算法和粒子群算法进行比较,二项交叉算子改进人群搜索算法收敛速度更快,预测精度最高,满足对磨矿粒度实时检测的要求