基于RBF神经网络的磨矿粒度软测量模型及实现

磨矿分级作业是选矿生产中的重要环节,磨矿粒度的好坏直接影响浮选的精矿品位和尾矿回收率;在实际生产中粒度的测量有在线粒度分析仪,但存在成本高、维修率高,离线实验室化验又有时间延迟大的问题;对实际磨矿分级作业过程进行了分析,提出用径向基函数(RBF)神经网络建立磨矿粒度软测量模型,采用正交最小二乘法(OLS)算法对网络进行训练学习,泛化校验;仿真结果表明,在较少训练数据下该网络非线性处理能力和逼近能力依然很强,学习时间短,模型基本符合要求;通过OPC技术将Matlab与PKS控制系统相结合,实现实时软测量磨矿粒度。     

Long-term depression and other synaptic plasticity in the cerebellum

Cerebellar long-term depression (LTD) is a type of synaptic plasticity and has been considered as a critical cellular mechanism for motor learning. LTD occurs at excitatory synapses between parallel fibers and a Purkinje cell in the cerebellar cortex, and is expressed as reduced responsiveness to transmitter glutamate. Molecular induction mechanism of LTD has been intensively studied using culture and slice preparations, which has revealed critical roles of Ca²⁺, protein kinase C and endocytosis of AMPA-type glutamate receptors. Involvement of a large number of additional molecules has also been demonstrated, and their interactions relevant to LTD mechanisms have been studied. In vivo experiments including those on mutant mice, have reported good correlation of LTD and motor learning. However, motor learning could occur with impaired LTD. A possibility that cerebellar synaptic plasticity other than LTD compensates for the defective LTD has been proposed.     

优化设计性实验教学培养学生的科学素质

通过论证设计性实验与科学素质之间的关系，提出体现培养科学素质的问题式学习模式，并在大学物理实验教学中进行了教学改革试验。     

近红外光谱结合ELM快速检测固态发酵过程参数pH值

pH值是固态发酵过程关键参数之一,为此提出基于近红外光谱技术的秸秆蛋白饲料固态发酵过程参数pH值检测方法。利用近红外光谱系统获取140个固态发酵过程产物样本在10 000～4 000cm-1范围内的近红外光谱数据,通过酸度计测得近红外光谱预测模型的参考测量值;运用ELM算法建立pH值的预测模型,在模型建立过程中由交互验证法确定最佳主成分因子数和ELM网络隐含层节点数。试验结果显示:最佳ELM网络模型的拓扑结构为10-40-1,模型预测集相关系数(Rp)和预测均方根误差(RMSEP)分别为0.961 8和0.104 4。研究结果可为固态发酵过程参数的在线检测提供技术基础。     

Learning to align organizational design and data

The relationship between organizational learning and organizational design is explored. In particular, we examine the information processing aspects of organizational learning as they apply to a two-valued decision making task and the relation of such aspects to organizational structure. Our primary contribution is to extend Carley's (1992) model of this process. The original model assumes that all data input into the decision making processes are of equal importance or weight in determining the correct overall organizational decision. The extension described here allows for the more natural situation of non-uniform weights of evidence. Further extensions to the model are also discussed. Such organizational learning performance measures provide an interesting framework for analyzing the recent trend towards flatter organizational structures. This research suggests that flatter structures are not always better, but rather that data environment, ultimate performance goals, and relative need for speed in learning can be used to form a contingency model for choosing organizational structure.     

基于MetropolisQ学习的蜂窝网络在线信道分配

针对现有的蜂窝网络的在线动态分配模型具有的信道需求量大、呼叫动态变化时阻塞率高和收敛速度慢的缺点,设计了一种基于MetropoisQ学习的蜂窝网络的在线信道分配方法。首先,在考虑同信道限制、邻居信道限制和同小区限制的基础上,设计了在线信道分配的数学模型,然后在Q-Learning算法基础上的设计了一种基于资格迹的Q(λ)算法实现信道的在线分配,为了进一步提高收敛速度,采用Metropois规则对算法中动作的选择方式进行改进,实现探索和利用的平衡。为了验证文中方法,采用Matlab工具上进行实验,仿真实验结果表明文中方法能实现蜂窝通信网络的在线信道分配,且与其它方法比较,具有较少的信道需求量、较低的阻塞率和收敛速度,较其它方法具有较大优越性。     

糖厂澄清工段生产指标建模及操作参数优化

针对亚法糖厂澄清工段清汁色值和清汁残硫量难以在线测量的问题,提出了一种基于人工蜂群优化的在线极限学习机软测量方法。先用核主元分析法确定影响清汁质量的关键参数,建立基于在线极限学习机的软测量模型。同时利用人工蜂群算法对在线极限学习机的隐层参数进行寻优,优化所建模型。最后,使用带约束的粒子群对软测量模型进行优化求解,得到典型工况下的最优操作设定值,为后续工况操作提供参考依据。仿真结果表明,基于人工蜂群优化的在线极限学习机模型能够准确地预测清汁色值和残硫量,同时基于此模型优化的操作参数设定值能够达到期望的指标。     

纯电动汽车磷酸铁锂电池组的建模及优化

鉴于传统神经网络和支持向量机机理复杂、计算量大的缺陷,很难实时跟踪磷酸铁锂电池组复杂快速的内部反应,影响电池荷电状态的估算精度,提出应用一种简单、有效的极限学习机对一额定容量为100Ah、额定电压为72V的纯电动汽车磷酸铁锂电池组建模,并分别与BP神经网络、RBF神经网络、支持向量机进行对比。随后,以学习时间和泛化性能为优化目标,应用粒子群方法寻找最佳隐层节点个数。结果表明,基于极限学习机的磷酸铁锂电池组模型的学习时间、泛化性能优于BP神经网络、RBF神经网络、支持向量机;隐层节点优化后,模型的学习时间和泛化性能达到最优。     

基于语义的软件服务故障自动诊断模型

模仿学习是机器人仿生机制研究的主要内容之一,即通过观察、理解、学习、模仿示教行为实现机器人的仿生特性。基于高斯过程分别表达采集离散示教信号所构成的示教轨迹和含有未知参数策略的模仿轨迹,构建模仿学习方法框架,将概率模型匹配引入到模仿学习中,以KL散度为代价函数比较两种轨迹的概率分布,运用梯度下降法寻求使KL散度最小的最优模仿控制策略,将策略应用于模仿机器人以完成与示教相同的模仿任务。以关节型机器人的机械臂摆动行为模仿为学习任务进行仿真,结果表明基于概率轨迹匹配的模仿学习方法能够实现机械臂摆动行为模仿,学习过程较传统方法简易且学习效果较好。     

一维空洞卷积神经网络的矿物光谱分类

矿物光谱综合反映了岩矿的物理化学特性、组分和内部结构特征,已被应用于岩矿识别研究.传统的矿物光谱分类方法需要先对矿物光谱进行预处理,再采用不同方法分析光谱特征,从而实现分类目的.但同时也会造成部分光谱信息丢失,导致最终分类精度不高且操作过程繁琐、效率低下,难以应对日益增长的大数据处理需求.因此,建立一个准确、高效的矿物...