案例推理及迭代学习在层流冷却控制中的应用

现有的卷取温度预报补偿模型和带钢批次间补偿模型中,由于案例推理(Case-based reasoning,CBR)系统中检索特征权重系数采用人工凑试的方法,难以获得满意的补偿作用,且由于缺乏迭代学习的初始工况条件的匹配算法,难以进行准确匹配和有效迭代.因此,本文针对这两个问题,提出了基于神经网络技术的案例推理系统检索特征权重系数自动学习算法及迭代学习技术初始工况匹配算法,改进了卷取温度预报补偿模型和带钢批次间补偿模型,并采用国内某大型钢厂的现场实际数据进行实验研究.实验结果表明,与原有方法相比,带钢卷取温度的控制偏差减小了1.63C,卷取温度精度控制在±10C以内的命中率提高了14.5%.

主题研究:基于实践需求的教育科研路径

基于教育教学实践需求的主题研究,以教师的教育教学实践为出发点和归宿点,通过问题引导、主题建构、预案呈现、案例迭代的“四部曲”,帮助中小学教师获得丰富的临场智慧,确保教育科研“用得上”和“够得着”,引导教师找到适宜的教育科研路径,走好专业发展之路。

巨型项目信任互惠行为机理研究框架

为降低缔约成本，巨型项目大标段发包模式要求发承包彼此建立信任互惠机制，缔约前发包人甄别具有高信任度的承包人，缔约后双方维持信任并彼此互惠诱发完美履约行为。为此，构建了巨型项目发包人一承包人信任互惠行为机理研究框架。首先以跨案例与深度个案研究设定发包人初始信任一阈值映射，再由分布式原理设计发包人初始信任算法；其次基于序贯博弈分析发承包双方行为策略，预设“信任-互惠-履约状态补偿”理论，并以结构方程模型对理论命题进行预检验；最后采用多案例迭代的田野实验实现纠偏→再实验→再检验的过程，以达到理论稳定。试图揭示巨型项目发承包双头博弈的信任互惠行为机理，为巨型项目治理提供理论标杆和实践指导。