云南高校图书馆联盟文献共享服务平台- 张超

共条记录，以下是1-8

全选清除导出

视图：

排序：

基于差分进化算法的热轧板坯工艺参数优化: 《冶金能源》2024年第4期48-53,共6页王昊包向军周剑波汪晶张超; 国家重点研发计划资助项目(2020YFB1711104)。; 针对热轧生产过程中工艺参数优化问题,提出了一种差分进化算法。首先,构建随机森林回归模型预测质量特征;然后,基于随机森林回归模型的工艺参数重要性排序结果选择待优化的工艺参数;最后,利用差分进化算法优化工艺参数并使用最优结果替...; 关键词：热轧工艺参数优化差分进化随机森林

一种基于XGBoost推荐模型的钢铁生产工艺参数贝叶斯优化方法: 《冶金自动化》2024年第S01期120-124,共5页柳宗琦包向军汪晶张超陆彪; 国家重点研发计划项目(2020YFB1711104); 在钢铁生产过程中,选择合适的工艺参数对钢铁品质的把控至关重要。面对钢铁制造工艺中存在的调控目标多、优化难度高等问题,本文提出了一种基于XGBoost推荐模型的钢铁生产工艺参数贝叶斯优化方法。首先,以历史工艺参数为输入、相应的缺...; 关键词：贝叶斯优化高斯过程 XGBoost 工艺参数优化钢铁产品

基于生成对抗网络的数据不确定性量化方法被引量：2: 《计算机应用》2023年第4期1094-1101,共8页王昊王子成张超马韵升; 国家重点研发计划项目(2020YFB1711104)。; 针对直接使用高维、高频、含有噪声的现实世界数据进行数据处理时会导致估计器不可靠的问题,提出一种基于生成对抗网络(GAN)的数据不确定性量化方法。首先,通过GAN重构原始数据分布,构建噪声空间到原始数据空间的映射分布;其次,使用马...; 关键词：生成对抗网络不确定性量化马尔可夫链蒙特卡洛方法置信区间不确定性估计

基于贝叶斯网络的钢铁缺陷溯源方法被引量：2: 《冶金自动化》2022年第S01期52-55,共4页陈新宇唐沉郑超琦刘英林陈玉柱张超; 国家重点研发计划资助项目(2020YFB1711104); 为解决钢铁产品生产过程中缺陷样本与正常样本数据量极度不匹配的问题,给出了基于贝叶斯网络的产品缺陷溯源方法。首先,使用箱线图法将样本特征的取值布尔化;然后构建一个初始贝叶斯网络,根据样本不同的异常情况调整贝叶斯网络的连接权...; 关键词：机器学习贝叶斯网络概率图缺陷溯源保护渣钢铁产品

多层感知器处理多分类问题的计算能力被引量：1: 《高等学校计算数学学报》2020年第3期277-288,共12页杨思博包园罗金铭吴微张超; Supported by NNSFC:61473059,11401076 and 61473328.; In this paper,we consider the design of output layer nodes of multiple linear perception network for solving r-class classification problems(r≥ 3).In general,the output layer is designed in an "one-to-one" approach.I...; 关键词：Multiple linear perception multi-class classification problem one-to-one approach binary-coding approach accuracies

用在线梯度法训练积单元神经网络的收敛性分析: 《高等学校计算数学学报》2010年第3期261-274,共14页张超李正学陈先华熊焱; 国家自然科学基金(10871220)资助项目; 1引言仅由加和单元构成的传统前向神经网络已经广泛应用于模式识别及函数逼近等领域.但在处理比较复杂的问题时,这种网络往往需要补充大量的隐节点。; 关键词：product unit NEURAL network online GRADIENT method MONOTONICITY CONVERGENCE

基于灰色关联分析的高阶神经网络剪枝算法被引量：3: 《大连理工大学学报》2010年第3期463-468,共6页熊焱吴微张超亢喜岱; 国家自然科学基金资助项目(10471017); 在综合分析网络纵向、横向灰色关联分析特点的基础上提出了一种新的基于灰色关联分析的剪枝算法,并将其用于训练高阶神经网络.该算法运用灰色关联分析对比网络各节点输出值序列之间联系的紧密程度,用网络纵向灰色关联分析确定剪枝连接,...; 关键词：灰色关联分析高阶神经网络灰色关联度剪枝算法最小二乘法

Pi-sigma神经网络的带动量项的异步批处理梯度算法收敛性被引量：3: 《应用数学》2008年第1期207-212,共6页熊焱张超; 国家自然科学基金资助项目(10471017); 本文将动量项引入到训练Pi-sigma神经网络的异步批处理的梯度算法中,有效的改善了算法的收敛效率,并从理论上对该算法的收敛性进行研究,给出了误差函数的单调性定理及该算法的弱收敛和强收敛性定理.计算机仿真实验亦验证了带动量项的异...; 关键词：PI-SIGMA神经网络异步批处理梯度算法动量项单调性收敛性

全选清除导出

共1页<1>

张超