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
3
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
感知机网络模型
1
作者
杨戈
张凯
+1 位作者
赵骥
周庆德
《辽宁大学学报(自然科学版)》
CAS
2001年第4期353-357,共5页
文章提出了一种利用人工神经元网络方法感知机网络实现设计并训练一个印刷字符分类器 .程序采用MATLAB5 .
关键词
感知机模型网络
连接权
阈值
学习率
人工神经
网络
学习能力
模式识别
印刷字符分类器
下载PDF
职称材料
基于特征性脂肪酸和甘油三酯指标的油茶籽油掺伪定性鉴别模型对比分析
被引量:
2
2
作者
孙婷婷
刘剑波
+2 位作者
任佳丽
钟海雁
周波
《中国油脂》
CAS
CSCD
北大核心
2023年第1期66-73,共8页
为解决油茶籽油掺伪其他植物油的定性鉴别问题,在油茶籽油中分别掺入大豆油、花生油、葵花籽油、棉籽油、葡萄籽油、菜籽油、棕榈油和米糠油,设置高和低两种不同掺伪梯度,基于14个特征性脂肪酸和甘油三酯指标,运用Python语言构建并对比...
为解决油茶籽油掺伪其他植物油的定性鉴别问题,在油茶籽油中分别掺入大豆油、花生油、葵花籽油、棉籽油、葡萄籽油、菜籽油、棕榈油和米糠油,设置高和低两种不同掺伪梯度,基于14个特征性脂肪酸和甘油三酯指标,运用Python语言构建并对比分析了二分类决策树模型、多分类决策树模型和多层感知机人工神经网络(MLP-ANN)模型用于油茶籽油掺伪定性鉴别的效果。结果表明:高和低掺伪梯度下,二分类决策树模型对油茶籽油掺伪其他植物油的定性鉴别的准确率均达到0.95以上;多分类决策树模型的精确率和准确率在高掺伪梯度下均达到了0.95,但在低掺伪梯度下仅为0.90;在高和低掺伪梯度下,MLP-ANN模型对油茶籽油掺伪定性鉴别的平均精确率均达到0.98,准确率分别达到0.97和0.98。相比于决策树模型,MLP-ANN模型能很好地实现油茶籽油掺伪定性鉴别。
展开更多
关键词
油茶籽油
决策树
模型
多层
感知机
人工神经
网络
模型
定性鉴别
脂肪酸
甘油三酯
下载PDF
职称材料
CO_(2)气体保护焊的焊缝形貌建模及虚拟化仿真系统开发
3
作者
肖罡
欧敏
+3 位作者
李时春
万可谦
周妃四
杨钦文
《机械工程材料》
CAS
CSCD
北大核心
2023年第11期67-73,共7页
建立了CO_(2)气体保护焊工艺参数与焊缝几何尺寸(熔宽、熔深)之间的多层感知机神经网络预测模型,并基于焊接试验数据训练模型,确定了模型的数学解析式;通过分析焊缝截面和表面形貌特征,建立焊缝形貌的虚拟化仿真模型;通过python编程开...
建立了CO_(2)气体保护焊工艺参数与焊缝几何尺寸(熔宽、熔深)之间的多层感知机神经网络预测模型,并基于焊接试验数据训练模型,确定了模型的数学解析式;通过分析焊缝截面和表面形貌特征,建立焊缝形貌的虚拟化仿真模型;通过python编程开发了焊缝形貌预测与虚拟化仿真系统。结果表明:所建立的多层感知机神经网络预测模型对熔宽预测的最大偏差为0.097 mm,模型拟合优度为0.999269,对熔深预测的最大偏差为0.051 mm,模型拟合优度为0.999567;建立了以焊缝熔深和熔宽为输入变量的焊缝截面形貌数学模型和以焊缝熔宽为输入变量的表面形貌数学模型。
展开更多
关键词
CO_(2)气体保护焊
多层
感知机
神经
网络
模型
焊缝形貌建模
虚拟化仿真系统
下载PDF
职称材料
题名
感知机网络模型
1
作者
杨戈
张凯
赵骥
周庆德
机构
辽宁大学信息科学与技术学院通信系
出处
《辽宁大学学报(自然科学版)》
CAS
2001年第4期353-357,共5页
文摘
文章提出了一种利用人工神经元网络方法感知机网络实现设计并训练一个印刷字符分类器 .程序采用MATLAB5 .
关键词
感知机模型网络
连接权
阈值
学习率
人工神经
网络
学习能力
模式识别
印刷字符分类器
Keywords
perceptron network model, connection weigh, learning rate, threshold value.
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
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
基于特征性脂肪酸和甘油三酯指标的油茶籽油掺伪定性鉴别模型对比分析
被引量:
2
2
作者
孙婷婷
刘剑波
任佳丽
钟海雁
周波
机构
林产可食资源安全与加工利用湖南省重点实验室
中南林业科技大学食品科学与工程学院
岳阳市检验检测中心食品药品检验所
出处
《中国油脂》
CAS
CSCD
北大核心
2023年第1期66-73,共8页
基金
湖南省市场监督管理局科技计划项目(2020KJJH55)
湖南省林业科技创新基金项目(XLK202101-02)
中央引导地方科技发展专项资金区域创新体系建设专项(2020ZYQ036)。
文摘
为解决油茶籽油掺伪其他植物油的定性鉴别问题,在油茶籽油中分别掺入大豆油、花生油、葵花籽油、棉籽油、葡萄籽油、菜籽油、棕榈油和米糠油,设置高和低两种不同掺伪梯度,基于14个特征性脂肪酸和甘油三酯指标,运用Python语言构建并对比分析了二分类决策树模型、多分类决策树模型和多层感知机人工神经网络(MLP-ANN)模型用于油茶籽油掺伪定性鉴别的效果。结果表明:高和低掺伪梯度下,二分类决策树模型对油茶籽油掺伪其他植物油的定性鉴别的准确率均达到0.95以上;多分类决策树模型的精确率和准确率在高掺伪梯度下均达到了0.95,但在低掺伪梯度下仅为0.90;在高和低掺伪梯度下,MLP-ANN模型对油茶籽油掺伪定性鉴别的平均精确率均达到0.98,准确率分别达到0.97和0.98。相比于决策树模型,MLP-ANN模型能很好地实现油茶籽油掺伪定性鉴别。
关键词
油茶籽油
决策树
模型
多层
感知机
人工神经
网络
模型
定性鉴别
脂肪酸
甘油三酯
Keywords
oil-tea camellia seed oil
decision tree model
multilayer perceptron artificial neural network model
qualitative identification
fatty acid
triglyceride
分类号
TS227 [轻工技术与工程—粮食、油脂及植物蛋白工程]
O657 [理学—分析化学]
下载PDF
职称材料
题名
CO_(2)气体保护焊的焊缝形貌建模及虚拟化仿真系统开发
3
作者
肖罡
欧敏
李时春
万可谦
周妃四
杨钦文
机构
江西科骏实业有限公司
湖南科技大学
湖南大学机械与运载工程学院
出处
《机械工程材料》
CAS
CSCD
北大核心
2023年第11期67-73,共7页
基金
国家自然科学基金资助项目(52075159)
江西省自然科学基金资助项目(20224ACB218002)
+3 种基金
江西省高层次高技能领军人才培养工程资助项目
湖南省自然科学基金资助项目(2022JJ30019)
湖南省教育厅科学研究项目(21A0301)
广西大学省部共建特色金属材料与组合结构全寿命安全国家重点实验室开放基金资助项目(2022GXYSOF24)。
文摘
建立了CO_(2)气体保护焊工艺参数与焊缝几何尺寸(熔宽、熔深)之间的多层感知机神经网络预测模型,并基于焊接试验数据训练模型,确定了模型的数学解析式;通过分析焊缝截面和表面形貌特征,建立焊缝形貌的虚拟化仿真模型;通过python编程开发了焊缝形貌预测与虚拟化仿真系统。结果表明:所建立的多层感知机神经网络预测模型对熔宽预测的最大偏差为0.097 mm,模型拟合优度为0.999269,对熔深预测的最大偏差为0.051 mm,模型拟合优度为0.999567;建立了以焊缝熔深和熔宽为输入变量的焊缝截面形貌数学模型和以焊缝熔宽为输入变量的表面形貌数学模型。
关键词
CO_(2)气体保护焊
多层
感知机
神经
网络
模型
焊缝形貌建模
虚拟化仿真系统
Keywords
CO_(2)gas shielded welding
multi-layer perceptron neural network model
weld morphology modeling
virtual simulation system
分类号
TG409 [金属学及工艺—焊接]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
感知机网络模型
杨戈
张凯
赵骥
周庆德
《辽宁大学学报(自然科学版)》
CAS
2001
0
下载PDF
职称材料
2
基于特征性脂肪酸和甘油三酯指标的油茶籽油掺伪定性鉴别模型对比分析
孙婷婷
刘剑波
任佳丽
钟海雁
周波
《中国油脂》
CAS
CSCD
北大核心
2023
2
下载PDF
职称材料
3
CO_(2)气体保护焊的焊缝形貌建模及虚拟化仿真系统开发
肖罡
欧敏
李时春
万可谦
周妃四
杨钦文
《机械工程材料》
CAS
CSCD
北大核心
2023
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