检索结果-内蒙古大学图书馆

作者：蒋瓅朱伟华吴从超徐剑倪建公吴超 200063 上海市普陀区武宁路303号

本发明属于土木工程技术领域，具体公开了一种移动物体振动加载的计算模型参数化设定方法，包括以下步骤：S1：确定物体及加载点的移动路径；S2：提取移动路径上杆件端点的编号和坐标；S3：受力点荷载时程推算；S4：荷载设定转换输出；... 详细信息

标准号: CN115345024A

本发明属于土木工程技术领域，具体公开了一种移动物体振动加载的计算模型参数化设定方法，包括以下步骤：S1：确定物体及加载点的移动路径；S2：提取移动路径上杆件端点的编号和坐标；S3：受力点荷载时程推算；S4：荷载设定转换输出；本发明可基于实测数据进行加载设定，适用于不规则、随机移动下的动力时程分析；本发明可通过编程实现动力部分的快速设定，输入条件仅为物体的移动路径、加载及受力点编号坐标；当结构方案发生调整变化后，替换新模型的受力点信息，即可完成动力工况的设定，能满足工程设计效率需求；本发明加载点处荷载按距离倒数比分配到杆件端点，可减少对原结构模型的人工打断处理，避免调整失误。

关键词：移动路径荷载受力点加载加载点计算模型参数土木工程技术动力工况杆件端点工程设计时程分析实测数据输入条件随机移动移动物体不规则上杆件原结构时程编程打断倒数替换推算输出转换分配

来源：评论

学校读者我要写书评

暂无评论

视线计算模型参数的标定方法及装置

视线计算模型参数的标定方法及装置

引用

作者：孙建康张浩陈丽莉崔利阳薛亚冲李纲 100015 北京市朝阳区酒仙桥路10号

本发明公开了一种视线计算模型参数的标定方法及装置，涉及眼球追踪技术领域，其目的在于准确的标定视线计算模型中的多个模型参数。本发明的主要技术方案为：在设备屏幕中依次显示多个标定点，并采集每个所述标定点对应的多个瞳孔坐标... 详细信息

标准号: CN110648369A

本发明公开了一种视线计算模型参数的标定方法及装置，涉及眼球追踪技术领域，其目的在于准确的标定视线计算模型中的多个模型参数。本发明的主要技术方案为：在设备屏幕中依次显示多个标定点，并采集每个所述标定点对应的多个瞳孔坐标数据；对每个所述标定点对应的多个瞳孔坐标数据进行剔除处理，以获得每个所述标定点对应的至少一个标定瞳孔坐标数据；根据每个所述标定点对应的坐标数据和至少一个标定瞳孔坐标数据，标定预设视线计算模型中的多个模型参数。本发明应用于眼球追踪系统标定视线计算模型中的多个模型参数的过程中。

关键词：标定标定点瞳孔坐标计算模型模型参数视线计算模型参数眼球追踪系统设备屏幕依次显示坐标数据预设眼球剔除采集追踪应用

来源：评论

学校读者我要写书评

暂无评论

视线计算模型参数的标定方法及装置

视线计算模型参数的标定方法及装置

引用

作者：孙建康张浩陈丽莉崔利阳薛亚冲李纲 100015 北京市朝阳区酒仙桥路10号

标准号: CN110648369B

关键词：标定标定点瞳孔坐标计算模型模型参数视线计算模型参数眼球追踪系统设备屏幕依次显示坐标数据预设眼球剔除采集追踪应用

来源：评论

学校读者我要写书评

暂无评论

计算模型对简支箱梁和T梁剪力滞结果影响

引用

重庆交通大学学报（自然科学版） 2019年第2期38卷 7-12,18页

作者：张军锋朱冰李杰毛德豪陈代海郑州大学土木工程学院河南郑州450001

以剪力滞效应为研究对象,分别采用MIDAS和ANSYS两种软件配合不同的荷载形式、单元类型和网格密度对一个简支箱梁模型和一个实际简支T梁结构进行计算对比,分析了模型参数和荷载类型对所得结果的影响,为剪力滞效应的有限元分析提供了参数... 详细信息

以剪力滞效应为研究对象,分别采用MIDAS和ANSYS两种软件配合不同的荷载形式、单元类型和网格密度对一个简支箱梁模型和一个实际简支T梁结构进行计算对比,分析了模型参数和荷载类型对所得结果的影响,为剪力滞效应的有限元分析提供了参数。研究表明:对于同一计算工况,ANSYS比MIDAS所得应力幅值略大,实体单元比板单元所得应力幅值略大,高密度网格比低密度网格所得应力幅值略大,但偏差大都在±5%以内;当腹板与顶板无承托时,对于任意荷载作用,两种软件的1倍网格板单元即可准确得到顶板的剪力滞效应;当腹板与顶板有承托时,在点荷载和线荷载作用下,可采用板单元进行顶板的剪力滞效应分析,但对面和体荷载,则需要采用实体单元进行分析,并且均可采用1倍网格密度。

关键词：桥梁工程剪力滞效应简支箱梁简支T梁计算模型参数荷载类型

来源：评论

学校读者我要写书评

暂无评论

芳烃氧化反应的动力学模型建模方法及动力学模型

芳烃氧化反应的动力学模型建模方法及动力学模型

引用

作者：崔国刚王新兰李红坤王小丰李利军杨艺孙伟振赵玲 100007 北京市东城区东直门北大街9号

本发明涉及一种芳烃氧化反应的动力学模型建模方法及动力学模型，所述建模方法包括以下步骤：在采用MX或PX制备IPA或PTA的过程中，通过实验拟合得到链引发反应速率常数k1fit；将k1fit代入所述动力学模型中作为k1，并使用lsqnonlin函数... 详细信息

标准号: CN113053463A

本发明涉及一种芳烃氧化反应的动力学模型建模方法及动力学模型，所述建模方法包括以下步骤：在采用MX或PX制备IPA或PTA的过程中，通过实验拟合得到链引发反应速率常数k₁^fit；将k₁^fit代入所述动力学模型中作为k₁，并使用lsqnonlin函数来搜索函数S的最小值，计算模型参数α和β；将计算出的模型参数α和β，以及实际生产条件下不同的各催化剂浓度代入所述动力学模型中，计算得出实际生产中的链引发反应速率常数k₁^cal。本发明建立的动力学模型能够定量描述在工业温度和溶剂比下，催化剂浓度与配比对氧化反应过程的影响，指导工业反应器的设计、生产操作条件的优化和生产工艺的优化。

关键词：动力学模型反应速率常数链引发建模催化剂计算模型参数氧化反应过程工业反应器芳烃模型参数生产操作生产条件氧化反应溶剂比拟合配比生产工艺制备优化搜索生产

来源：评论

学校读者我要写书评

暂无评论

一种基于元学习的图像识别方法

一种基于元学习的图像识别方法

引用

作者：张鸿杰盛谦蒋斌郭延文 210000 江苏省南京市栖霞区仙林街道仙林大道118号尚东花园B区商业B-33室

本发明提供了一种基于元学习的图像识别方法，包括以下步骤：步骤1，增强训练数据：基于生成对抗网络为每个训练集中的图像生成虚拟开集样例；步骤2，划分训练数据：结合生成的开集样例，将训练数据按域分布不同划分为元训练集和元测试... 详细信息

标准号: CN113688944B

本发明提供了一种基于元学习的图像识别方法，包括以下步骤：步骤1，增强训练数据：基于生成对抗网络为每个训练集中的图像生成虚拟开集样例；步骤2，划分训练数据：结合生成的开集样例，将训练数据按域分布不同划分为元训练集和元测试集；步骤3，元训练：在元训练集上计算模型参数的梯度并修改参数；步骤4，元测试：在元测试集上评估步骤3学习的最佳模型；步骤5，元优化：联合步骤3和步骤4的损失函数优化模型；步骤6，元迭代：重复步骤2至步骤5进行迭代优化，直到获得具有良好泛化能力的图像识别模型。相较于现有技术，本发明能够在多个不同域分布的训练集上提升模型应对域分布变化的泛化能力。

关键词：训练数据训练集图像识别测试集计算模型参数迭代优化分布变化评估步骤损失函数图像生成优化模型最佳模型迭代虚拟测试学习对抗重复优化网络联合

来源：评论

学校读者我要写书评

暂无评论

基于稳健加权总体最小二乘的多项式地面沉降预测方法

基于稳健加权总体最小二乘的多项式地面沉降预测方法

引用

作者：刘伟诚欧江霞洪泽林李堂磊邓雄文罗云华朱佩宁陆游徐帆饶晨曦刘金龙王智超何志刚陈运坤 510700 广东省广州市黄埔区天丰路1号3栋401房

本发明涉及一种基于稳健加权总体最小二乘的多项式地面沉降预测方法，属于地面沉降预测方法领域，包括以下步骤：计算模型参数矩阵估值分别定义系数矩阵A的行向量Px(1)、列向量矩阵P0，以及观测向量初始权阵Py(1)；计算初始矩阵定义中... 详细信息

标准号: CN115689007A

本发明涉及一种基于稳健加权总体最小二乘的多项式地面沉降预测方法，属于地面沉降预测方法领域，包括以下步骤：计算模型参数矩阵估值分别定义系数矩阵A的行向量P_x(1)、列向量矩阵P₀，以及观测向量初始权阵P_y(1)；计算初始矩阵定义中间过程量及计算模型参数矩阵计算多项式拟合残差V(i)；计算权因子ω_(i)，并重新定义观测向量权阵；重复计算当满足时得到多项式地面沉降预测模型方程。本发明可以根据地面沉降监测点的沉降观测数据精度确定其参与多项式拟合的权重，并可根据拟合误差大小及时发现和剔除粗差数据，有效保障拟合精度，提高多项式地面沉降预测模型参数的准确性和可靠性。

关键词：地面沉降计算模型参数矩阵多项式拟合观测向量预测模型地面沉降监测沉降观测初始矩阵精度确定矩阵计算拟合误差系数矩阵有效保障中间过程重复计算重新定义最小二乘差数据列向量权因子行向量预测残差拟合权重加权剔除发现

来源：评论

学校读者我要写书评

暂无评论

一种基于高斯混合模型的无监督缺陷分割算法

一种基于高斯混合模型的无监督缺陷分割算法

引用

作者：李秀刘鸿博 518055 广东省深圳市南山区西丽街道深圳大学城清华校区A栋二楼

本发明公开了基于高斯混合模型的无监督缺陷分割算法，包括：S1、对正常图像提取特征，得到第一特征图；S2、按照第一特征图每个通道上方差大小对其进行特征选择，筛选出方差最大的topK个维度，使用这K个维度的特征组成第一新特征图，... 详细信息

标准号: CN116363084A

本发明公开了基于高斯混合模型的无监督缺陷分割算法，包括：S1、对正常图像提取特征，得到第一特征图；S2、按照第一特征图每个通道上方差大小对其进行特征选择，筛选出方差最大的topK个维度，使用这K个维度的特征组成第一新特征图，同时保留这K个维度的K个索引；S3、通过高斯混合模型对第一新特征图上每个位置处的特征的概率分布进行建模，并计算模型参数；S4、对测试图像按照步骤S1的方式进行特征提取，得到第二特征图，再对第二特征图按步骤S2得到的K个索引进行维度筛选，获得第二新特征图；S5、基于步骤S3计算的参数，对第二新特征图上所有位置处的特征都分别计算异常分数，得到测试图像的异常图。

关键词：特征图新特征维度高斯混合模型测试图像位置处索引筛选计算模型参数概率分布缺陷分割特征提取特征选择特征组成提取特征异常分数正常图像无监督异常图方差建模算法保留

来源：评论

学校读者我要写书评

暂无评论

无线体域网中基于DQN算法的动态节点调度方法

无线体域网中基于DQN算法的动态节点调度方法

引用

作者：王力立张戈林高尚张永 210094 江苏省南京市玄武区孝陵卫200号

本发明公开了一种无线体域网中基于DQN算法的动态节点调度方法。该方法包括以下步骤：确立无线体域网的网络架构；建立节点之间的马尔科夫信道模型，进行无线通信信道质量的数据采集并计算模型参数；将节点调度问题转化为马尔科夫决策... 详细信息

标准号: CN111465031A

本发明公开了一种无线体域网中基于DQN算法的动态节点调度方法。该方法包括以下步骤：确立无线体域网的网络架构；建立节点之间的马尔科夫信道模型，进行无线通信信道质量的数据采集并计算模型参数；将节点调度问题转化为马尔科夫决策问题，并采用基于深度强化学习的DQN算法进行训练，获得收敛的决策网络；利用决策网络进行节点调度：每个时刻根据节点的信道和缓存区数据长度决定接入信道的节点及其发送功率。本发明方法在保证无线体域网数据传输的可靠性和公平性的基础上，提高了节点调度的能效性，延长了网络的生存周期，可以被广泛应用于医疗监测、疾病防控等体域网实际应用场景。

关键词：无线体域网节点调度决策网络算法计算模型参数无线通信信道动态节点发送功率接入信道决策问题强化学习生存周期数据采集数据传输网络架构问题转化信道模型医疗监测应用场景公平性区数据体域网能效信道收敛调度疾病应用网络保证

来源：评论

学校读者我要写书评

暂无评论

一种基于概率慢特征分析和弹性权重巩固的过程监控方法

一种基于概率慢特征分析和弹性权重巩固的过程监控方法

引用

作者：周东华张景欣纪洪泉钟麦英王建东 266590 山东省青岛市黄岛区前湾港路579号

本发明公开了一种基于概率慢特征分析和弹性权重巩固的过程监控方法，属于工业监测和故障诊断领域，包括：依次采集工业系统正常工况下的过程数据构成训练集；利用概率慢特征分析和弹性权重巩固方法进行训练，计算模型参数和参数的重要... 详细信息

标准号: CN114326486B

本发明公开了一种基于概率慢特征分析和弹性权重巩固的过程监控方法，属于工业监测和故障诊断领域，包括：依次采集工业系统正常工况下的过程数据构成训练集；利用概率慢特征分析和弹性权重巩固方法进行训练，计算模型参数和参数的重要性衡量矩阵；构建监测统计量并计算阈值；采集系统实时运行下的数据作为测试样本，利用当前训练模型计算该样本的统计量，判断系统运行状态。本发明利用单模型实现对多工况动态过程的有效监测，具有持续学习能力；可处理噪声和缺失数据，模型可解释性强，算法简单，易于实现，可广泛应用于化工、加工制造、大型火力发电厂等领域。

关键词：特征分析统计量权重大型火力发电厂矩阵故障诊断领域计算模型参数重要性衡量采集系统测试样本动态过程工业监测工业系统过程监控过程数据判断系统缺失数据实时运行学习能力训练模型运行状态正常工况单模型多工况解释性训练集监测概率构建算法噪声样本采集加工制造应用

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：