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%

以激光材料处理为背景,通过在高能脉冲激光照射下材料表面温度变化的实验研究,测量了在这种高能量、短脉冲、温度变化率极大的情况下材料表面的温升速率和温度变化规律,并且结合实验条件对2种不同的导热模型进行了数值模拟.实验结果显示当激光脉冲宽度较大时,实验结果和傅立叶导热模型的计算结果很吻合,随着激光脉冲宽度的减小,实验结果逐渐偏离傅立叶导热模型,而与双曲导热模型比较接近,同时出现了\二次升温\等非常规现象

1.1数据库技术的基本概念 1.2数据库技术的发展 1.2.1人工管理 1.2.2文件管理 1.2.3数据库技术 1.3数据库系统的结构 1.3.1数据模式 1.3.2三级模式结构 1.3.3数据库系统的二级映像技术及作用 1.4数据库系统的组成 1.5概念模型 1.5.1信息的三种世界 1.5.2概念模型及其表示 1.6数据模型 1.6.1数据模型的概述

§2.1 一元线性回归模型的概述 §2.2 回归模型的参数估计

为使钢铁企业主体工序炼钢-连铸-热轧之间的生产协调有序、提高生产计划水平和加强生产资源配置效益,运用统一建模思想进行轧制单元计划、炉次计划和浇次计划的抽象描述,从注重共性的角度统一各阶段批量计划的目标函数,通过对目标函数的组合来实现各阶段计划的有效衔接.设计基于Multi-agent的协同进化算法进行模型求解,编制炼钢-连铸-热轧-体化计划.以某钢铁企业的生产计划制定实例进行模型测试,仿真计算结果表明模型的有效性

• 一、向量自回归模型定义 • 二、VAR的稳定性 • 三、VAR模型滞后期k的选择 • 四、VAR模型的脉冲响应函数和方差分解 • 五、格兰杰非因果性检验 • 六、VAR与协整 • 七、实例

中间包水模型实验一般采用脉冲刺激-响应实验,分析所得平均停留时间分布(RTD)曲线特征;然而经典组合模型处理多流中间包RTD曲线时经常出现负体积死区分率或结果偏差较大的问题.本文基于组合模型,采用阶段刺激-响应实验,分析所得累计停留时间分布F曲线特征,对死区比例和活塞区比例进行计算.该模型计算方法适用于多流中间包的流场特征计算.基于累计停留时间分布曲线特征分析,对某钢厂七流中间包控流装置结构进行优化,优化后的中间包死区比例降低,各流差异减小,有利于生产顺行和铸坯质量的提高