一、问题的提出 二、函数项级数的一致收敛性 三、一致收敛级数的基本性质

回声状态网络是近年来新兴的一种递归神经网络,独特而简单的训练方式以及高精度的训练结果已使其成为当前研究的热点之一.在该网络中,引入了储备池计算模式这一新的神经网络的建设方案,克服了之前网络模型基于梯度下降的学习算法所难以避免的收敛慢和容易陷入局部极小等问题.围绕这种新型网络结构,国内外许多学者开展了多样的研究.本文全面深入介绍了回声状态网络这一新兴技术,讨论了回声状态网络的优缺点,并综合近年的研究现状,总结了回声状态网络的主要研究工作进展和未来的研究方向

为了解决全尾砂、赤泥大量堆积产生的环境问题,实验采用烧结法赤泥、全尾砂等固体废弃物制备矿山充填料.结果表明:胶结剂的优化配比为赤泥49.2%+矿渣32.8%+熟料10%+石膏8%;充填料强度随着全尾砂掺量的增加而急剧下降;试块在水化初期即出现钙矾石、C-S-H凝胶,这些水化产物对早期强度的提高有很大帮助;差式扫描-热重分析表明试块在水化初期即可固结大量水.烧结法赤泥全尾砂胶结充填料具有早期强度高、固结水量大以及大量利用废料等特点,可满足目前矿山充填的需要

针对一类具有空间不均匀性的辨识和回归问题，提出了基于小波分析的极限学习机方法.从多分辨率分析的思想出发，构造一簇紧支撑正交小波作为隐层激活函数，并利用改进的误差最小化极限学习机训练输出层权重，避免了新加入高分辨率子网络后的重新训练.同时，由一维多分辨分析的张量积构造了二维多分辨小波极限学习机.进而通过脊波变换将小波学习机扩展到高维空间，对脊波函数的伸缩、方向和位置参数进行优化计算.对具有奇异性的函数仿真结果证明，与标准极限学习机相比，小波极限学习机由于其聚微性能在极短的训练时间内更好地逼近目标.一些实际基准回归问题上的测试验证了脊波极限学习机在其中大部分问题上达到更高的训练和泛化精度

本文对刚塑性有限元的初速度场及收敛性进行了专门的研究和改进。用于解决轧制工程问题,计算精度较高、CPU时间较少,它是一种可靠的理论分析方法

利用K均值聚类和增量学习算法扩大训练样本规模,提出一种改进的mRMR SBC.一方面,利用K均值聚类预测测试样本的类标签,将已标记的测试样本添加到训练集中,并在属性选择过程中引入一个调节因子以降低K均值聚类误标记带来的风险.另一方面,从测试样本集中选择有助于提高当前分类器精度的实例,把它加入到训练集中,来增量地修正贝叶斯分类器的参数.实验结果表明,与mRMR SBC相比,所提方法具有较好的分类效果,适于解决高维且含有较少类标签的数据集分类问题

我院0.3立方米试验高炉采用31%富氧鼓风,1080℃风温,炉渣CaO/SiO2=1.0,在合金含硅提高到30%以上等条件下,炼出含稀土元素10%左右的冶炼试验介绍。试验高炉中还原稀土金属的热力学分析,SiO2、Al2O2、CaO等大量挥发的机理。冶炼过程主要技术经济指标。物料平衡和理论焦比计算分析。这一工艺如欲成为工业生产经济合理流程所需进一步研究解决的问题

本文简要介绍F型喷咀的研制情况,针对目前各喷咀在使用中燃料消耗高,热工自动化困难等问题,采用利用燃油压力的控制来自动地、按比例地配比空气量,达到自动比例调节的目的,为降低燃耗,实现热工自动化创选有利条件,同时采用波纹管作为动密封,紫铜环作为静密封,提高了密封的可靠性,使该喷咀得以采用预热送风,为进一步节约燃耗创造条件

随着科学技术的发展，对测量度的要求越来越高，而惠斯通电桥灵敏度的高低关系到测量结果精确度问题，影响惠斯通电桥灵敏度的因素有哪些，它们是如何影响灵敏度的.近年来，许多作者对这些问题进行了一些定性的探讨，没有定量化研究和从理论上进行解释。本文从定量的角度对惠斯通电桥的灵敏度进行了探讨，并从理论上进行了分析和解释，目的为了更好地提高电桥的测量精度

针对BP神经网络训练时间长的问题,采用基于案例推理的方法预测精炼开始钢水温度.首先,应用层次分析法确定影响精炼开始钢水温度的各个因素的权值,并使用灰色关联度来计算案例的相似度,克服了传统相似度计算方法在案例信息不完整的情况下无法获取准确结果的缺点.然后,提出一个包含类选、粗选、精选和择优的四步检索方法,大大缩短了检索时间.最后,实验比较了人工神经网络和基于案例推理两种方法,结果表明基于案例推理比人工神经网络具有更高的命中率