基于人工神经网络的铝合金力学性能预测方法

传统方法对铝合金力学性能测量精度低、误差率高、计算复杂。本文提出一种基于BP神经网络的铝合金力学性能预测方法研究。首先对铝合金拉伸试验获取的数据进行整理和分类,基于BP神经网络强大的映射和分析功能,对铝合金在多样的热冲击温度下的力学性能进行分析和研究。预测结果表明,BP神经网络算法具有较高的预测精度,误差率能够控制在5%以内。对比常温条件下铝合金力学性能,在高温短时热冲击的情况下,铝合金力学性能大幅度下降,提出的神经网络算法能够为改善铝合金力学性能提供数据上的支撑。

语义信息缺失下的新闻视频检索系统研究

在互联网信息快速发展的今天,网络新闻视频关系到人们的日常生活,备受广大民众的关注,新闻视频必须具有时效性和准确性。随着网络新闻视频数量日趋增多,采用人工分类和检索的方法耗用了大量时间和人力,而且已不能满足新闻视频的及时性和准确性。因此,对互联网新闻视频进行合理而快速的检索、组织和分类是一个具有挑战性的课题。在语义缺失的条件下,实现对新闻视频检索成为对多媒体技术人员的一个硬性要求,由此可见,在语义缺失条件下对新闻视频检索系统研究的重要性。