遗传神经网络能耗预测模型在钢铁企业中的应用

为改善BP网络训练速度慢,易收敛于局部极小点及全局搜索能力弱等固有缺陷,采用遗传算法优化神经网络的初始权值和阈值,以通化钢铁公司炼铁厂为研究对象,建立了基于遗传算法的人工神经网络能耗预测模型。用MATLAB编写计算程序进行测试,并与纯BP算法进行分析比较,结果表明,文中所提出的方法在预测精度和收敛速度方面均得到了改进。     

基于Harris度量的轮廓尖锐度CDA优化算法

为了进一步提高工业现场中工件自动测量的精度,在详细分析了目前工业检测过程中角点提取准确度低、检测时间长等问题产生原因的基础上,提出了一种基于Harris度量的轮廓尖锐度工件图像角点检测优化算法.首先利用Freeman链码法提取工件图像的轮廓,通过计算轮廓尖锐度获取轮廓上的候选角点,然后针对两种不同类型的伪角点,分别采用...     

有限数域上的矩阵结构

近来随着电子计算机发展起来的一类精确算法获得了巨大的进展,有别于通常的有舍入误差的计算方法,精确算法没有丝毫的误差影响,因此可以在一些特定的问题上得到应用。在精确算法中最基本的算法是解线性代数方程组问题。这一问题已经在以素数为基底的有限数域上得到了解决,但是现有的算法仍然停留在高斯一约当消去法的基础上来处理矩阵以及矩阵求逆的计算上,也就是在有限域上,线性方程组问题的基本解法到目前为止还没有一个较好的办法。现在这篇文章试图从另一个新的角度,通过对于有限数域上矩阵群的研究来探讨线性方程组的解法问题,并获得这样的结果:在有限数域上的矩阵求逆,或线性方程组求解可以用矩阵的乘幂来实现。从而使上述问题最终得解。     

关于有限数域上的矩阵结构的注记

本注记为有限数域上的矩阵结构一文中所提出的乘幂法补充了一个具体的计算公式,使该文中的算法更具生命力,从而展开了精确算法的应用阶段。     

有限数域上的矩阵结构(续)

本文把前文中关于非奇矩阵的某次乘幂在质数基的有限数域中恰好是一个单位矩阵的事实推广到奇异矩阵的情况上去,证明了在有限数域上的奇异矩阵乘幂中有准循环性存在,并且应用这些性质寻找一种解方程组的精确算法,包括相容方程组在内,也同时解决了偶然发生的奇异化现象所带来的困难。     

锌基可降解金属研究进展与展望

可降解金属是21世纪医用金属材料研究领域的热点,以镁合金为代表的可降解金属在过去十余年里得到大量的研究,并逐渐有植介入器械产品在临床上得到应用,然而镁合金降解速度快,抗拉强度通常低于400 MPa.以锌为基体的可降解金属最近被关注,通过有效的合金化设计其抗拉强度可以高于600 MPa,降解速度比医用镁合金慢,有望拓展可...     

基于卷积神经网络的发动机主轴承盖姿态识别算法

针对传统姿态识别算法识别精度不高,通用性不强,易受环境因素的影响,且需要对检测图像进行复杂的图像预处理操作的问题。基于卷积神经网络的特征提取能力和识别分类能力,提出一种基于卷积神经网络的发动机主轴承盖姿态识别算法,所提算法去除了传统复杂的预处理操作,通过提取轴承盖4个面的特征,对轴承盖4个面进行识别。实验结果表明：所提算法不仅可以正确识别发动机主轴承盖的4个面,而且平均识别精度为100%,平均识别时间为3.80 s,具有识别精度高,识别时间短,抗干扰能力强的特点。