采用贝叶斯统计学原理改进传统神经网络算法,通过在神经网络的目标函数中引入表示网络结构复杂性的约束项,避免网络的过拟合以提高网络的泛化能力.将改进的神经网络应用于济钢1700mm热连轧机带钢厚度预测中,其预报精度、训练时间和网络稳定性均优于传统神经网络预测;然后应用贝叶斯神经网络预测带钢塑性系数;最后将出口带钢厚度和带钢塑性系数的实时预测值综合应用于带钢热连轧厚度控制系统,改进了传统的厚度控制方式,进一步提高带钢质量

不采用传统接触力模型自下而上的高炉料面形状计算方法，而是根据土坡力学颗粒物质堆积理论，提出了新的基于堆积法的高炉料线形状融合计算方法，直接对料面形状进行计算.围绕高炉多环布料的炉料堆积特点，结合炉顶六点阵列雷达，获得了料面形状计算的边界条件，弥补了传统料型计算靠十字测温加机械探尺的经验估算.新方法通过高炉布料规律及炉料颗粒的物理堆积插值方法，采用贝叶斯数据融合方法和分段三次Hermite插值，结合布料体积约束条件，完成了理论计算与测量修正的结合.实测结果表明：料面形状融合法比传统单独的料面估算法，测量精度提高4.8%，料面分辨率提高27.2%，使布料控制可以更加精准和有针对性

为实现汽车轻量化，同时保证其具有较好的碰撞安全性，高强度-质量比金属板材在汽车制造领域得到了广泛的应用.然而，在传统冲压成形过程中，上述板材（如先进高强钢、铝合金和镁合金等）会出现无明显缩颈的韧性断裂行为.特别是发生在纯剪切加载路径附近的剪切型韧性断裂行为超出了传统缩颈型成形极限图的预测范围.此外，在近些年来快速发展的单点渐进成形中，缩颈失稳被抑制，取而代之的则是无明显缩颈的韧性断裂.以上问题对基于缩颈失稳的传统成形极限分析方法提出了新的挑战，同时也限制了高强度-质量比金属板材的应用及其新型成形工艺的研发.为此，世界各国学者开始普遍关注金属材料韧性断裂预测模型的开发及其应用研究.本文首先从孔洞的演化行为方面出发，对金属韧性断裂的微观机理研究进行了介绍.随后重点评述了韧性断裂预测模型的研究进展和应用现状.最后，对韧性断裂研究的发展趋势进行了展望.本文可以为金属韧性断裂模型的选择、应用及其开发提供有益参考

增材制造可以制造通过传统方法难以制造的复杂部件，因此在航空工业等领域中得到了大规模的应用.然而，增材制造成形部件的尺寸和几何精度以及表面质量低于传统方法成形的部件，阻碍了增材制造的进一步应用.增减材混合制造将增材制造与传统的加工手段结合，对增材制造成形的部件进行高精度数控加工，以改善部件表面光洁度以及零件的几何和尺寸精度.本文阐述了增减材混合制造的技术原理和研究进展，并指出了未来的发展方向

同步定位与地图构建技术（SLAM）是当前机器人领域的重要研究热点，传统的SLAM技术虽然在实时性方面已经达到较高的水平，但在定位精度和鲁棒性等方面还存在较大缺陷，所构建的环境地图虽然一定程度上满足了机器人的定位需要，但不足以支撑机器人自主完成导航、避障等任务，交互性能不足。随着深度学习技术的发展，利用深度学习方法提取环境语义信息，并与SLAM技术结合，越来越受到学者的关注。本文综述了环境语义信息应用到同步定位与地图构建领域的最新研究进展，重点介绍和总结了语义信息与传统视觉SLAM在系统定位和地图构建方面结合的突出研究成果，并对传统视觉SLAM算法与语义SLAM算法做了深入的对比研究。最后，展望了语义SLAM研究的发展方向

典型铁合金渣（硅锰渣，镍铁渣，铬铁渣）面临产量大、利用率低等紧迫问题。目前，我国对铁合金渣的利用主要集中于水泥、混凝土等传统建筑材料，但是其能耗大和产品价值相对局限。随着市场需求以及环保能源意识的提高，对铁合金渣的综合利用不断从传统建筑材料向具有低能耗、高附价值的新型材料方向转型。本文简要介绍了这三种典型铁合金渣的来源及其分类情况，系统分析了它们的化学成分及其矿物组成的差异性，重点概述了它们在水泥、混凝土等传统建筑材料，以及在地质聚合物、无机矿物纤维、微晶玻璃、人造轻骨料、耐火材料、新型墙体材料、特色功能陶瓷等新型材料领域应用的国内外最新研究进展，分类总结不同种类铁合金渣应用于不同材料的优缺点，并对其今后的利用方向与途径提出了展望，指出了要进一步研究并突破主要利用方式的限制瓶颈、制定并完善相关应用及污染控制标准、以及深入开发并推广高附加值产品的重点发展方向

分析近几年中国风服装兴起过程中存在的问题,考察中国传统服装的设计元素和表现手法,提出服装民族 化与时代感的结合不应局限于表面的符号拼凑,而应该运用现代设计理念对传统设计元素进行重组,还要 挖掘更深层次的表达手法,如通过廓形和技术处理手段来表现中国传统服装的神韵,以期在服装民族化与 时代感相结合的道路上取得突破

3.1 概述 3.1.1 传统动画与计算机动画 3.1.1.1 传统动画发展由来 3.1.1.2 传统动画的制作 3.1.1.3 计算机动画 3.1.2 计算机动画发展概况与作品里程碑

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一，在大多数情况下持续到成年期。近年来，基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的，然而事实上，ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本，从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题，即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征，提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型，其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差，进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解，并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估，并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好，可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断，还可用于阿尔茨海默病和自闭症等疾病的辅助诊断

第一节 中华民族的爱国主义传统 一、爱国主义的科学内涵 二、爱国主义的优良传统 三、爱国主义的时代价值 第二节 新时期的爱国主义 一、爱国主义与爱社会主义和拥护祖国统一 二、爱国主义与经济全球化 三、爱国主义与弘扬民族精神 四、爱国主义与弘扬时代精神 第三节 做忠诚的爱国者 一、自觉维护国家利益 二、促进民族团结和祖国统一 三、增强国防观念 四、以振兴中华为己任