本文用热力学原理分析了Si-Mn氧化物还原的热力学条件,并根据其热力学分析结果,对水雾化Si-Mn钢粉采用热塑性树脂涂层,在高纯氮气氛中进行脱氧的新工艺研究。使水雾文Si-Mn钢粉在1280℃,1330℃温度下保温120分钟后,其含氧量由3060P.P.M左右降至300P.P.M以下。同时测定了在还原脱氧过程中,不同的树脂用量与还原后钢粉中含氧量之间的关系。解决了含Si Mn等难还原元素水雾化钢粉非真空脱氧问题

6.1 概述 6.2 贝叶斯概率基础 6.3 贝叶斯问题的求解 6.4 简单贝叶斯学习模型 6.5 贝叶斯网络的建造 6.6 贝叶斯潜在语义模型 6.7 半监督文本挖掘算法

针对间断连接无线网络中节点能量有限、节点间相遇持续时间较短和网络资源无法得到充分利用的问题,提出一种带有自适应异步唤醒的数据转发策略,综合考虑节点能耗和休眠机制,并结合灰色模型预测节点间相遇持续时间,优化节点探测阶段和数据转发阶段的能耗,进而实现高效数据转发的目的.结果表明:所提出的数据转发策略能够有效利用节点剩余能量和通信机会.与现有的转发策略相比,该策略能够在低能耗下有效改善网络的探测成功率和通信时延

一、问题的提出 二、级数的概念 三、基本性质 四、收敛的必要条件 五、柯西收敛原理 六、小结

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