以某钢厂1580热连轧生产数据为基础,提出一种有限元与神经网络集成建模的方法.该方法首先对轧制过程的塑性变形进行有限元建模,然后结合有限元数值分析方法和智能技术的优点,实现有限元和神经网络的集成建模.集成模型中的神经网络模型为有限元模型提供参数调整的依据,并且在神经网络训练过程中使用改进的混沌粒子群优化算法对神经网络进行优化.通过与现场实际生产数据进行比较,验证了该模型的有效性

提出了一种采用LabVIEW并行运算提高传统遗传算法计算速度的方法,可实现多核计算机多线程的同时运算,从而大幅度提高运算效率.Ni-Ti合金线材无模拉拔初始阶段拉拔速度路径优化结果表明,在八核计算机上采用基于LabVIEW的多线程并行运算程序,与基于文本编程的MATLAB运算程序相比,前者运算时间仅为后者的1/8左右.Ni-Ti合金线材无模拉拔实验结果表明,采用本文智能优化后的拉拔速度路径,可使线材直径波动长度缩短至24 mm,远小于线性或S线型路径的最小直径波动长度

介绍了优化设计建模和算法选择两个专家系统及其并行处理技术，以及各子系统所采用的自律分散、并行设计和共享信息、协调工作的控制策略及其在工程优化设计的智能化和自动化中所起的作用

学科基础课平台必修课 《高等数学 A1》 《高等数学 A2》 《大学物理 A1》 《大学物理 A2》 《大学物理实验》 《C++程序设计》 《C++程序设计实验》 《C++程序设计实训》 《线性代数》 《概率论与数理统计 B》 《离散数学Ⅰ》 《计算机组成原理 I》 《数据结构 I》 《数据结构 I 实验》 《计算机网络原理Ⅰ》 《操作系统 I》 《操作系统Ⅰ》 《电工电子技术 C》 学科基础课平台选修课 《数字逻辑》 《Java 程序设计》 《Java 程序设计实验》 《Java 程序设计》实训 《管理信息系统》 《管理信息系统实训》实践 《数据库原理 A》 《编译原理》 《物联网工程导论》 《软件工程概论 A》 《汇编语言与接口技术》 《汇编语言与接口技术》考查大纲 《汇编语言与接口技术》实践 《算法分析与设计》 专业课平台必修课 《数字通信原理》 《网络设计与集成》 《网络信息安全》 《网络管理》 《网络应用开发》 《计算机类(网络)认识实习》 《网络生产实习》 《网络毕业实习》 《网络工程专业毕业设计（论文）》 专业课平台选修课 《协议分析与设计》 《网络空间攻防实训》 《Linux 网络操作系统》 《路由与交换技术实验》 《网络软件开发》 《云计算技术》 《Java EE 平台开发》 《Java EE 平台开发实验》 《开源框架技术》 《大数据与深度学习》 《离散数学 II》 《模式识别与人工智能》 《嵌入式系统设计》 《嵌入式 linux 应用程序开发》 《智能医疗》 《智能医疗》实验 《数据挖掘》 《数据挖掘》实验

针对钢包精炼炉电极控制系统具有非线性、时变、模型不确定、大滞后、多输入多输出耦合的特点,提出一种基于神经网络实时在线辩识的内模控制方案.控制器采用神经网络解耦,将混沌机制引入到BP算法中,用以加快学习的收敛速度.仿真结果证实了控制策略的有效性

网络环境下的恶意软件严重威胁着工控系统的安全，随着目前恶意软件变种的逐渐增多，给工控系统恶意软件的检测和安全防护带来了巨大的挑战。现有的检测方法存在着自适应检测识别的智能化程度不高等局限性。针对此问题，围绕威胁工控系统网络安全的恶意软件对象，本文通过结合利用强化学习这一高级的机器学习算法，设计了一个检测应用方法框架。在实现过程中，根据恶意软件行为检测的实际需求，充分结合强化学习的序列决策和动态反馈学习等智能特征，详细讨论并设计了其中的特征提取网络、策略网络和分类网络等关键应用模块。基于恶意软件实际测试数据集进行的应用实验验证了本文方法的有效性，可为一般恶意软件行为检测提供一种智能化的决策辅助手段

11.1 基本原理 11.2 基本迭代学习控制算法 11.3 迭代学习控制的关键技术 11.4 机械手轨迹跟踪迭代学习控制仿真实例 11.5 线性时变连续系统迭代学习控制 11.6 移动机器人轨迹跟踪迭代学习控制

6.1 概述 6.2 贝叶斯概率基础 6.3 贝叶斯问题的求解 6.4 简单贝叶斯学习模型 6.5 贝叶斯网络的建造 6.6 贝叶斯潜在语义模型 6.7 半监督文本挖掘算法

在阐述炼钢厂多尺度建模与协同制造技术架构的基础上，分别从单体工序尺度、车间区段尺度与炼钢厂运行尺度开展了炼钢厂协同制造的研究。从工序/装置过程控制系统（PCS）到炼钢厂制造执行系统（MES）进行了较为系统的建模研发，构建了包括转炉工序、精炼工序与连铸工序在内的工序工艺控制模型以及以生产计划与调度模型为核心的物质流运行优化模型，并通过工序工艺控制和生产计划与调度的动态协同，实现了炼钢厂多工序/装置的高效运行。研发了炼钢?连铸过程工序工艺控制模型、生产计划与调度模型同MES之间的数据接口，实现了MES与生产工艺控制、流程运行控制、生产计划与调度系统的有机融合，形成了以机理模型与数据模型协同驱动的工艺精准控制、多工序协同运行、基于“规则+算法”的生产计划与调度为支撑的炼钢?连铸过程集成制造技术，通过多层级的纵向协同与多工序的横向协同，实现了炼钢厂的协同运行与控制。研究成果是炼钢?连铸过程智能制造的有益探索与实践，对流程工业智能制造企业具有很强的参考价值，对冶金工业绿色化、智能化发展具有示范与借鉴作用。应用后，明显提升了炼钢厂的协同制造水平，取得了显著的经济与社会效益

◼ 1、概述 ◼ 1.1、机器学习的应用 ◼ 1.2 、什么是机器学习 ◼ 1.3、机器学习的发展 ◼ 1.4、机器学习的分类 ◼ 1.5 机器学习的资源 ◼ 2、机器学习的数学基础 ◼ 3、机器学习的术语 ◼ 4、基于案例的机器学习流程简介 ◼ 5、机器学习算法简介 ◼ 6、机器学习实例演示