探讨了一种将有监督学习机制融合到模糊ART网络构成一个有监督的模糊ART神经网络模型.这种网络能同时处理有监督和无监督学习问题,并具有积累和增加网络学习的能力.对该网络进行了滚动轴承检测数据模式分类实验,并与BP网络进行了比较性实验.结果表明:该网络具有良好模式分类能力和较好的可塑性

目录 前言 1、明白数据通信 1.1数据通信的特点 1.2网络的分层模型和网络协议 1.3数据网络类型 1.3.1局域网 1.3.2广域网 46689 1.3.3ATM 1.34数据网络的产品分类 1.3.5将来的网络

基本概念 （1）网络的图表示 （2）节点的聚类系数 （3）节点的介数 （4）平均度和度分布 结构模型 （1）小世界网络 （2）无标度网络 （3）社区网络

针对IN690高温合金管材在挤压过程中挤压力大及预测不准等问题,以优化设计挤压工艺和参数进而实现降低挤压力、减少能耗为目标,应用流函数法建模分析挤压变形过程和建立挤压力求解模型,得到了稳定挤压时金属的速度流线.研究了挤压温度、摩擦因数和模具角度等因素对挤压力的影响规律,建立了IN690高温合金管材挤压工艺参数与挤压力的关系.以挤压力最小为优化目标,优化设计了最佳挤压温度和模具角度

在金属材料内部夹杂物的超声检测中,如何通过检测获得的回波信号辨识夹杂物的属性和位置,一直是其重点和难点问题.通过建立包含夹杂物缺陷的二维金属板模型,采用有限元数值模拟的方法,对材料内部超声波场进行计算,获得了两种最典型的夹杂物Al2O3和TiN,以及二者在材料内部不同深度时的超声回波信号.研究了夹杂物类型和夹杂物深度对超声回波时域波形以及对界面波、夹杂物缺陷回波和底面回波频谱分布的影响规律

无缝钢管坯料设计是在满足生产工艺要求下,将客户订单钢管合理地分配到生产原料圆坯的过程.实际生产中的批量原则使得每个钢管订单在圆坯中有最小分配重量要求;由于无缝钢管分配支数必须取整,导致钢管订单在圆坯中的分配重量并非连续取值.因此,比起相关的板坯设计问题和装箱问题,无缝钢管坯料设计的求解更为复杂.本文给出了无缝钢管坯料设计问题的一般性描述,并建立了混合整数规划模型.针对库存中只有单一尺寸圆坯的情况,简化了问题模型并且求得了问题的下界.结合问题特点,提出了基于贪婪策略的两阶段启发式算法,并用实际生产数据和仿真数据验证了算法求解此类问题具有很好的有效性和稳定性

本项目主要介绍三种盘套类零件的加工模型，它们分别是短套零件，简易盘零件和薄壁零件。 任务一 数控车削加工短套零件 任务三 数控车削加工简易盘零件 任务二 数控车削加工简易盘零件

本情境主要介绍数控车削加工配合件及非圆曲线轴的加工模型，它们分别是圆锥轴套配合件类零件和非圆曲线轴类零件； 任务一 数控车削加工圆锥轴套配合件 任务二 数控车削加工非圆曲线轴

针对钢管入库优化决策问题，建立了问题的约束满足优化模型，并通过对垛高和钢管堆放规则的分析，提出了基于聚类和约束满足技术的两阶段求解算法.算法在第一阶段采用聚类的方式对待入库的钢管按照多重属性进行分组；在第二阶段利用约束满足技术对于每组钢管分别指派垛位及其在垛位上的具体位置，并通过约束传播动态缩减问题的搜索空间.最后将算法与经典的BFD （best fit deceasing）算法进行实验结果对比.实验结果表明，算法能够在保证倒垛次数最小的前提下，有效减少垛位数并具有良好的垛位利用率，模型及算法可行、有效

根据共存理论的基本观点,从FeOn-SiO2渣系的相图和粘度数据及FeOn-Fe2O3相图确定了本渣系的结构单元为Fe2+,O2-简单离子和SiO2,Fe2O3,Fe3O4及Fe2SiO4分子。在此基础上利用Fe2SiO4和Fe3O4的标准生成自由能数据推导了计算Feo-Fe2O3-SiO2渣系各组元作用浓度的模型。计算的NFetO与实测的αFetO符合,且NFetO、NSiO2、NFe2SiO4和炉渣总质点数∑n随${B_1}=\\frac{{\\Sigma n{\\rm{FeO}}}}{{\\Sigma n{\\rm{Si}}{{\\rm{O}}_2}}}$而改变,而NFe2O3和NFe2O4随${B_2}=\\frac{{\\Sigma n{\\rm{FeO}}}}{{\\Sigma n{\\rm{F}}{{\\rm{e}}_2}{{\\rm{O}}_3}}}$而改变,表明Fe2SiO4和Fe3O4的混合是理想的,两者间的相互影响是不大的