Results 81 to 90 of about 3,395 (167)
Supporting construction monitoring and deformation control study of large and deep foundation pit [PDF]
, 2017 深基坑工程大多处于城市中心，为确保深基坑稳定及保护周边环境，需要对支护结构和周边土体的变形进行控制。本文以泉州和昌贸易中心深基坑工程为背景，对支护结构和周边土体的变形控制展开研究。通过对实测数据进行分析，总结围护桩水平位移、支撑梁钢筋应力、立柱竖向位移、坡顶变形、地表沉降、建筑物沉降、地下管线沉降、土压力及水位的变化规律，并对深基坑的稳定性与变形作出评价；对比Logistic曲线、Gompertz曲线、Usher曲线及分段时效曲线后选用合适的预测模型对基坑变形进行预测，有效指导施工 ...
黄波
core
智能科学与技术学报, 2022 深度学习在感知智能上的不断突破推动了人工智能在各领域的广泛应用。但在实际落地过程中，只有把感知智能提高到更高层的认知智能，才能更好地满足日益复杂的应用需求。神经符号学将擅长感知任务的神经网络方法和擅长推理任务的逻辑符号学有机地融合在一起，是实现高层认知智能的途径之一。基于此，提出了一套神经符号学的实用框架NSFOL，并基于NSFOL实现了机器人任务规划、自学习机器人运动规划和教育实验视频评估3个典型应用。实验结果表明，尽管NSFOL尚未完善，但是它已经能够很好地支持相关应用，在可学习、可推理 ...
蔡莹皓 +6 more
doaj
A Study of Predicting Financial Distress In China’s Listed Companies Based on BP neural network [PDF]
, 2005 随着信息科学和技术的迅猛发展，人们越来越渴望能充分利用所收集的信息让它对企业将来的运作起到一个指引的作用，这也是预测技术亘古不变的魅力所在。近年来，在形形色色的预测方法中，人工神经网络方法引起了一股研究热潮，它突破了线性预测模型以及模型驱动方式的限制，以其非线性的数据驱动方式受到人们的青睐。本文应用人工神经网络技术对中国上市公司陷入财务困境进行了研究。本文首先回顾了财务困境和人工神经网络技术研究的现状和发展，对传统研究方法和智能方法进行了比较，给出了采用人工神经网络作为上市公司财务困境研究方法的依据 ...
廖卫强
core
Gaoya dianqi, 2004 在线监测变压器油中溶解气体可有效地分析变压器绝缘状况,在线监测用气体传感器是实施该技术的关键。针对半导体气体传感器的交叉敏感特性,提出了将气体传感器阵列与人工神经网络技术相结合,利用6个半导体气体传感器组成传感器阵列,采用BP神经网络进行模式识别。大量的试验证明,所提出的智能传感器可有效地提高H2,CO,CH4,C2H4,C2H2,C2H66种气体的分辨率和检测灵敏度。
佟继春, 陈伟根, 陈荣柱
doaj
Dianci bileiqi, 2021 针对接触网绝缘子破损识别,传统的特征匹配和神经网络分类识别率较低,同时因其需要人工提取和训练等问题,识别速率也较慢。相比传统卷积神经网络（CNN）,胶囊网络（CapsNet）首次采用矢量作为输入,可以很好的保留目标的方向,角度等特征信息,更适合于识别复杂背景下的绝缘子。因此提出一种基于改进胶囊网络和CV模型结合的绝缘子破损识别算法,通过1×1归约层和3×3卷积层简化传统9×9胶囊网络的卷积层,并采用优化算法进行参数寻优,缩短训练权重时间,同时输出量保留方向角度,能更准确对棒形 ...
卞建鹏 +4 more
doaj
A Study of Unsupervised Adaptive Resonance Network in Clustering Algorithms [PDF]
, 2005 随着人类文明脚步的加速，应用领域的拓宽，有效利用已有的信息变得越来越重要，数据挖掘技术的出现，解决了信息增长和利用不足之间的矛盾。聚类分析作为主要的数据挖掘工具已经被应用在许多领域，成为数据挖掘领域研究的一项重要课题。本论文通过深入研究和分析了各种聚类方法，如划分方法、层次方法、基于密度的方法、基于网格的方法、基于模型的方法等的基础上，分析了这些方法在特定领域特定条件下可以取得良好的效果，并发现当处理数据为海量数据时，这些方法不能进行有效和实际的聚类挖掘。针对这样的问题以及聚类结果的不可预测性的特点 ...
褚娜
core
Guangtongxin yanjiu, 2017 文章回顾了本研究小组将人工神经网络（ANN）和深度神经网络（DNN）用于提取布里渊光时域分析仪（BOTDA）传感系统中的温度分布信息的研究工作。在对ANN或者DNN模型进行适当的训练之后,沿被测光纤的温度分布信息能够被训练完成的ANN或DNN从实验获得的布里渊增益谱（BGS）中直接提取出来,而不需要像传统的洛伦兹线型拟合（LCF）方法一样先对BGS拟合得到布里渊频移（BFS）,再将其转换成温度信息。实验结果展示出了用ANN和DNN进行温度提取的方法相比于用传统LCF方法的优势。
余长源, 王碧炜, 王亮, 吕超
doaj
Jianzhu Gangjiegou Jinzhan, 2022 为研究高强方钢管高强混凝土偏压长柱力学性能，基于已有的偏压试验研究，进一步分析了偏压柱破坏形态、荷载-挠度曲线、弯矩-曲率曲线和应变发展规律，探讨了偏心率与长细比对构件塑性发展等力学性能的影响。结合ABAQUS数值模拟研究了不同偏心率的偏压柱工作机理，并由此进一步分析了材料性能参数与构件几何参数对偏压柱的受力性能影响。基于试验与数值模拟，采用《钢管混凝土结构技术规范》（GB 50936—2014）和人工神经网络模型对68个试件的极限荷载Pu及其弯矩Mp值进行预测。结果表明，《钢管混凝土结构技术规范 ...
李帼昌 +5 more
doaj
基于卷积神经网络的地震与爆破识别模型及其在广东地区的初步应用
Dizhen xuebao本文基于AlexNet卷积神经网络模型，提出了一种数据处理简单、准确率高的人工爆破波形识别方法。利用广东省地震台网记录，选取人工分析入库的天然地震和人工爆破事件数据源对模型进行训练和测试，搭建了一个适用于广东地区的爆破自动识别器，并对广东地区540个波形进行测试。结果显示，运用该模型所得天然地震事件的精确率、召回率以及F1分数均大于0.98，而人工爆破事件的识别精确率、召回率以及F1分数均大于0.90。表明该模型可以高效准确地判别广东地区天然地震与人工爆破波形，比人工识别方法更稳定、准确和高效。
Xiaoyan Zeng +5 more
doaj +1 more source
Application in financial data prediction of neural networks based on Monte-Carlo-Adaptation rule [PDF]
, 2012 上个世纪全球金融市场最重要变革来自于金融衍生品的创新和繁荣。但随后频繁而剧烈的金融危机却使得人们对基于有效市场假说的传统金融理论开始进行反思。随着行为经济学和经济物理学等领域的开创性研究，人们发现了经济系统明显违背传统理论的假设，经济代理人并非全同的理性而具有异质性和非理性，市场不能自动演化到均衡状态而具有长程时间和空间关联，在特定的条件下具有自组织临界性。因此，基于复杂非线性系统的统计物理和动力学理论正被广泛用于经济金融领域研究。人工神经网络是一个典型的多体非线性动力学系统 ...
于菲
core