期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
价值工程在汽车前轴总成改进设计中的应用
被引量:
3
1
作者
潘希姣
吕新生
《合肥工业大学学报(自然科学版)》
CAS
CSCD
北大核心
2007年第4期502-505,共4页
文章基于国内外汽车产品市场激烈竞争、汽车产品利润空间受到很大压缩的市场背景,成功地将价值工程应用于汽车前轴总成的改进设计和制造。运用ABC法进行对象初选,开展功能分析,进行各零件功能评价,然后用最合适区域法找出作为改进设计...
文章基于国内外汽车产品市场激烈竞争、汽车产品利润空间受到很大压缩的市场背景,成功地将价值工程应用于汽车前轴总成的改进设计和制造。运用ABC法进行对象初选,开展功能分析,进行各零件功能评价,然后用最合适区域法找出作为改进设计主要对象的零部件,为汽车前轴总成的改进设计指明了主攻方向。
展开更多
关键词
价值工程
汽车前轴
改进设计
下载PDF
职称材料
一种新颖的串行小生境粒子群算法
被引量:
1
2
作者
潘希姣
章军
《安徽工程科技学院学报(自然科学版)》
2007年第1期63-66,共4页
提出了一种新颖的自适应串行小生境粒子群优化算法(ASNPSO),它使用多个子群能够串行发现多个最优解.在此算法中,使用了山谷函数以决定如何改变当前运行的子群中粒子的适应度函数,算法具有很强的自适应搜索能力.经使用几个标准测试函数...
提出了一种新颖的自适应串行小生境粒子群优化算法(ASNPSO),它使用多个子群能够串行发现多个最优解.在此算法中,使用了山谷函数以决定如何改变当前运行的子群中粒子的适应度函数,算法具有很强的自适应搜索能力.经使用几个标准测试函数证明了ASNPSO算法在没有任何先验知识的情况下能够有效地发现多个最优解.
展开更多
关键词
遗传算法
小生境技术
粒子群优化
罚函数
多模函数优化
下载PDF
职称材料
面向新能源汽车和校企合作项目的高职汽车电子技术专业教学改革
被引量:
28
3
作者
杨柳青
疏祥林
+2 位作者
潘希姣
刘灵芝
丁舒平
《合肥工业大学学报(社会科学版)》
2014年第2期109-115,共7页
针对新能源汽车技术发展和汽车电子技术呈现网络化、信息化、智能化发展趋势,对高职院校汽车电子技术专业提出应进行教学改革研究。教学改革沿改革纵向线和改革横向线进行总体设计;结合校企合作项目实践和汽车电子技术创新发展,从培养...
针对新能源汽车技术发展和汽车电子技术呈现网络化、信息化、智能化发展趋势,对高职院校汽车电子技术专业提出应进行教学改革研究。教学改革沿改革纵向线和改革横向线进行总体设计;结合校企合作项目实践和汽车电子技术创新发展,从培养方向定位、课程体系重构、师资队伍培养、实训条件建设四方面进行理论教学与实践的改革。改革研究及实践成果表明,汽车电子技术专业教学改革可取得多方共嬴的实效。
展开更多
关键词
汽车电子技术
高职院校
专业教学改革
新能源汽车
校企合作
下载PDF
职称材料
多子群粒子群集成神经网络
4
作者
潘希姣
《安徽建筑工业学院学报(自然科学版)》
2007年第2期38-40,共3页
为了使参加神经网络集成的个体差异度较大,从而提高网络集成的泛化能力,本文提出一种新的基于多子群粒子群算法的神经网络集成方法。每个子群通过补充差异度独立训练出一批神经网络,从每个子群中选择一个最优个体参加网络集成,实验使用...
为了使参加神经网络集成的个体差异度较大,从而提高网络集成的泛化能力,本文提出一种新的基于多子群粒子群算法的神经网络集成方法。每个子群通过补充差异度独立训练出一批神经网络,从每个子群中选择一个最优个体参加网络集成,实验使用了UCI标准数据集。实验证明,该算法的识别能力要好于Boosting、Bagging等传统方法。
展开更多
关键词
神经网络集成
粒子群优化算法
下载PDF
职称材料
题名
价值工程在汽车前轴总成改进设计中的应用
被引量:
3
1
作者
潘希姣
吕新生
机构
合肥工业大学机械与汽车工程学院
出处
《合肥工业大学学报(自然科学版)》
CAS
CSCD
北大核心
2007年第4期502-505,共4页
文摘
文章基于国内外汽车产品市场激烈竞争、汽车产品利润空间受到很大压缩的市场背景,成功地将价值工程应用于汽车前轴总成的改进设计和制造。运用ABC法进行对象初选,开展功能分析,进行各零件功能评价,然后用最合适区域法找出作为改进设计主要对象的零部件,为汽车前轴总成的改进设计指明了主攻方向。
关键词
价值工程
汽车前轴
改进设计
Keywords
Value Engineering
automobile front axle
innovation design
分类号
U461.99 [机械工程—车辆工程]
下载PDF
职称材料
题名
一种新颖的串行小生境粒子群算法
被引量:
1
2
作者
潘希姣
章军
机构
安徽交通职业技术学院
安徽大学电子学院
出处
《安徽工程科技学院学报(自然科学版)》
2007年第1期63-66,共4页
文摘
提出了一种新颖的自适应串行小生境粒子群优化算法(ASNPSO),它使用多个子群能够串行发现多个最优解.在此算法中,使用了山谷函数以决定如何改变当前运行的子群中粒子的适应度函数,算法具有很强的自适应搜索能力.经使用几个标准测试函数证明了ASNPSO算法在没有任何先验知识的情况下能够有效地发现多个最优解.
关键词
遗传算法
小生境技术
粒子群优化
罚函数
多模函数优化
Keywords
Genetic Algorithm
Niche Technique
Particle Swarm Optimization
Penalty Function
timodal Function Optimization
分类号
TP301 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
面向新能源汽车和校企合作项目的高职汽车电子技术专业教学改革
被引量:
28
3
作者
杨柳青
疏祥林
潘希姣
刘灵芝
丁舒平
机构
安徽交通职业技术学院汽车与机械工程系
合肥工业大学机械与汽车工程学院
出处
《合肥工业大学学报(社会科学版)》
2014年第2期109-115,共7页
基金
安徽省教育厅省级专业综合改革试点项目(2012ZY104)
安徽省高校质量工程项目(201006255750
+1 种基金
200907154722
200907154839)
文摘
针对新能源汽车技术发展和汽车电子技术呈现网络化、信息化、智能化发展趋势,对高职院校汽车电子技术专业提出应进行教学改革研究。教学改革沿改革纵向线和改革横向线进行总体设计;结合校企合作项目实践和汽车电子技术创新发展,从培养方向定位、课程体系重构、师资队伍培养、实训条件建设四方面进行理论教学与实践的改革。改革研究及实践成果表明,汽车电子技术专业教学改革可取得多方共嬴的实效。
关键词
汽车电子技术
高职院校
专业教学改革
新能源汽车
校企合作
Keywords
vehicle electronic technology
higher vocational college
professional teaching reform
new energy vehicle
college and enterprise cooperation
分类号
G71 [文化科学—职业技术教育学]
下载PDF
职称材料
题名
多子群粒子群集成神经网络
4
作者
潘希姣
机构
安徽交通职业技术学院汽车与机械工程系
出处
《安徽建筑工业学院学报(自然科学版)》
2007年第2期38-40,共3页
文摘
为了使参加神经网络集成的个体差异度较大,从而提高网络集成的泛化能力,本文提出一种新的基于多子群粒子群算法的神经网络集成方法。每个子群通过补充差异度独立训练出一批神经网络,从每个子群中选择一个最优个体参加网络集成,实验使用了UCI标准数据集。实验证明,该算法的识别能力要好于Boosting、Bagging等传统方法。
关键词
神经网络集成
粒子群优化算法
Keywords
Artificial neural network ensemble
Particle swarm optimization
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
价值工程在汽车前轴总成改进设计中的应用
潘希姣
吕新生
《合肥工业大学学报(自然科学版)》
CAS
CSCD
北大核心
2007
3
下载PDF
职称材料
2
一种新颖的串行小生境粒子群算法
潘希姣
章军
《安徽工程科技学院学报(自然科学版)》
2007
1
下载PDF
职称材料
3
面向新能源汽车和校企合作项目的高职汽车电子技术专业教学改革
杨柳青
疏祥林
潘希姣
刘灵芝
丁舒平
《合肥工业大学学报(社会科学版)》
2014
28
下载PDF
职称材料
4
多子群粒子群集成神经网络
潘希姣
《安徽建筑工业学院学报(自然科学版)》
2007
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部