从安钢电极控制的实际应用出发,应用数据挖掘技术建立了电极预测模型并应用于电极控制系统的参数整定.首先介绍了建立电极预测模型的数据挖掘过程;然后在数据挖掘算法中提出了一种新的变结构遗传Elman网络方法,该算法用改进的混合遗传算法对网络结构和权值及自反馈增益同步动态寻优.将基于BP算法的Elman网络和本文提出的变结构遗传Elman网络都应用于安钢交流电弧炉的电极预测模型中进行比较.通过基于安钢现场数据的计算机仿真实验表明:采用变结构遗传Elman网络的数据挖掘算法比BP算法具有更好的动态性能、更快的逼近速度和更高的精度.在此基础上,把建立的模型应用于安钢电极控制系统的参数整定,取得了良好的控制效果

主要内容 9.1FC的组成 9.1.1AWT 9.1.2 Swing 9.1.3 Drag and Drop 9.1.4 Java 2D 9.1.5 Java Accessibility 9.2应用程序和小程序界面图形化 9.2.1 Swing的根面板 9.2.2小程序的典型例子 9.2.3应用程序的典型例子 9.2.4结合小程序和应用程序的典型例子 9.3AWT的组件布局管理模型 9.3.1基于策略模式的授权模型 9.3.2布局管理器类 9.4AWT的事件处理模型 9.4.1基于观察者模式的授权模型 9.4.2事件源 9.4.3事件类 9.4.4事件监听器 9.4.5创建事件监听器对象

在测量工作中,常要确定某些几何量的大小。由几何量组成的模型称为几何模型 为了确定一个几何模型,并不需要知道该模型中所有元素的大小,而只需要知道其中 部分元素的大小就行了,其它元素可以通过它们来确定

• 客户信用等级影响因素 – 客户信用卡申请数据预处理 – 信用卡申请成功影响因素 • 信用卡客户信用等级影响因素 • 基于消费的信用等级影响因素 • 信用卡欺诈判断模型 – 基于Apriori算法的欺诈模型 – 基于判别的欺诈模型 – 基于分类算法的欺诈模型

用数学方法证明了二维稳态温度起伏数学模型的Fourier级数形式解是收敛的,该温度起伏的数学模型的解是惟一的而且是稳定的.这个模型的温度解呈现出指数振荡衰减,验证了熔液对流促使温度产生大的起伏,导致大量晶核形成这一熔体形核机制的正确性

根据硬硅钙石型微孔硅酸钙的结构特点,将其简化成空心球聚合成的多孔介质,建立了点接触空心球壳与面接触空心立方体两种单元体模型.采用一维热传导分析,推导出有效导热系数的理论计算公式.计算结果表明,模型计算值与硅酸钙实验值有较好的一致性.理论模型可应用于与微孔硅酸钙具有类似结构的多孔介质导热系数的估算

本文旨在对深度学习模型可解释性的研究进展进行系统性的调研,从可解释性原理的角度对现有方法进行分类,并且结合可解释性方法在人工智能领域的实际应用,分析目前可解释性研究存在的问题,以及深度学习模型可解释性的发展趋势。为全面掌握模型可解释性的研究进展以及未来的研究方向提供新的思路

为了提高钢管张力减径过程的轧制质量、降低能耗以及控制终轧温度的准确性,从而为钢管出炉温度提供科学设定依据,通过对传热机理分析,建立了钢管张力减径过程传热模型,给出了除鳞、轧制及空冷阶段钢管边界热流的计算式.基于塑性材料的变分原理,建立了轧制变形区的变形热计算模型.结果表明:变形热对钢管温度分布影响不可忽略;该模型能真实反映钢管在张力减径过程中的温度变化,与实测结果吻合较好,可用于钢管再加热和张力减径过程中的参数分析及工艺优化

§9.7 核反应的三阶段描述和核反应机制 §9.8 光学模型 §9.9 复合核模型 §9.10 直接反应 §9.11 重离子核反应

提出了基于偏最小二乘回归模型的带钢热镀锌质量监控方法.以带钢热镀锌生产中带钢力学性能和锌层质量的质量监控为研究对象,用偏最小二乘方法建立了生产过程参数与质量结果之间的回归模型,对生产过程控制能力进行了分析,并给出了产品质量的预测方法.用鞍钢股份有限公司带钢热镀锌的实际生产数据进行验证.结果表明,偏最小二乘法比传统的多元线性回归方法具有更好的预测精度,基于偏最小二乘回归的锌层质量预测模型,其相对预测误差可达到5.93%