• 支持向量机 • 二元线性SVM • SVM用于非线性分类 • 机器学习方法 • 人工神经网络（Artificial Neural Network, ANN） • 深度学习（Deep Learning）现状 • 经典的深度学习模型/算法 • 卷积神经网络 Convolutional Neural Networks (CNN) • 多层反馈网络 Recurrent neural Network(RNN) • 自动编码器 AutoEncoder • 受限玻尔兹曼机 Restricted Boltzmann Machine, RBM • 深度置信网络 (Deep Belief Nets，DBN）

介绍立式同轴度测量仪的系统构成。该测量仪采用立式回转轴结构,优点是避免产生挠度变形,提高了测量精度,该仪器采用数据自动采集装置,采样位置准确,速度快。提出了同轴度误差的数学模型,其中给出一种高效的优化方法一余弦移位相加法。同时建立了基准轴线的公式

通过对不同网络QoS机制进行分析比较和对DOCSIS1.1规范QoS标准的深入研究,提出了一种适用HFC网络接入网设备CM的QoS机制解决方案.给出了CM QoS体系的设计模型,对各模块进行了详细的功能介绍,从设计上保证了为不同的IP数据提供不同的服务质量.详细阐述了动态业务的发起过程和实现技术,讨论了HFC网络QoS的下一步研究方向

对资源优化配置的非参数模型在电力工业中的应用进行了研究.选择了国内部分电网的数据,从纯技术效率、规模效率以及投入可处置度、投入组合效率、投入综合效率的角度对部分电力企业的资源配置效率进行了横向分析,结果表明,不同的电力企业之间的资源配置效率差距较大,电力企业总体上生产性投资的要素组合比例不合理,利用率较低

本文讨论了在现代板带轧机中广泛使用的两种主要液压执行机构(液压AGC和用于板型控制的弯辊系统)的设计与分析方法,重点是建模与计算机仿真;介绍了已建立的仿真模型,给出了一些仿真结果.它表明仿真所作出的预测与实测数据高度吻合

建立了溶质原子在晶界的平衡偏聚、非平衡偏聚、晶界偏聚溶质向沉淀析出转化以及冷却速度等因素的晶界偏聚物理模型和数学模型.模型考虑了晶界及晶界附近扩展畸变区对溶质的吸附作用和吸附能力.对含硼0.0010%的Fe-40%Ni-B合金体系从1150℃连续冷却到640℃的过程中硼的晶界偏聚状态进行了模拟计算.计算表明,晶界区域硼富集因子在降温初期增加较快,随后增幅变缓,模拟数据显示过程中有晶界区域硼原子向晶内的反向扩散;当晶界上偏聚的硼转化为析出物时,晶界区域富集因子的增加再次变快.模拟计算结果与已发表的实验结果吻合较好

将支持向量机(SVM)和遗传算法(GA)集成应用到矿体品位插值问题中,利用遗传算法全局搜索的优势对支持向量机的三个关键参数——惩罚系数C、不敏感系数ε和核函数参数σ进行寻优,克服单纯支持向量机法中依靠经验确定参数的局限性.将优化参数代入到支持向量机中进行迭代训练,得到基于遗传算法参数优化的支持向量机(GA-SVM)矿体品位插值模型.以国内典型矿山的实际勘探数据为例,通过该品位插值模型计算结果与传统插值方法计算结果和矿山生产实际数据的对比分析,验证了其可行性和有效性

针对传统神经网络优化算法易陷入局部最优值的问题,在标准粒子群算法的基础上,对粒子速度与位置更新策略进行改进,提出一种基于改进粒子群优化算法的BP神经网络建模方法.使用sinc函数、波士顿住房数据及某钢厂带钢热镀锌生产的实际数据进行验证.结果表明,与标准的反向传播神经网络和支持向量机相比,基于改进粒子群优化的神经网络模型可以有效提高预测精度

提出一种改进的最大互信息(MMI)准则函数并把它应用于隐马尔可夫模型(HMM)的参数估计,重新推导了HMM的迭代公式.该准则函数相对于原来准则函数定义更为合理,能有效利用训练样本集中的鉴别信息,使得训练数据得到充分利用,提高了HMM的性能.把这种改进的HMM算法应用于面部表情识别,利用改进的光流算法提取面部表情特征向量序列,并利用改进HMM算法和BP神经网络构建了面部表情混合分类器.实验结果表明了该方法能有效提高面部表情识别率,有效解决HMM参数估计问题

提出了一种预测岩土边坡稳定性的方法.利用数据挖掘的方法从边坡实例数据中挖掘出知识,在此基础上建立岩质边坡稳定性预测的智能模型系统.该系统可以根据获得的现场测试和监测资料,对边坡的稳定性进行较好的预测和估计