复合材料层合结构的非线性传热分析

基于一阶热层合理论,考虑材料非线性的影响,建立了复合材料层合结构非线性传热分析的热层合理论及其有限元方程.通过数值算例研究了材料非线性对反对称复合材料层合板瞬态温度场的影响.     

磁场环境下黏弹性基体中非局部纳米梁动力学特性分析

根据非局部Euler梁理论建立了外部磁场影响下的黏弹性基体上纳米梁的动力学问题分析模型。通过引入Kelvin黏弹性地基模型和洛伦兹力,得到了纳米梁的振动控制方程。基于Kelvin-Voigt黏弹性模型,给出了黏弹性基体上纳米梁在磁场影响下的固有频率解析解,并就多种典型情况进行了分析。在一般情况下,利用传递函数方法对振动控制方程进行求解,得到了纳米梁固有频率及相应振型的封闭解。以某单壁碳纳米管为例,计算得到了多种边界条件下纳米梁的前三阶固有频率,并详细分析了非局部参数、磁场强度、长细比、阻尼系数及边界条件等因素对纳米梁振动特性的影响情况。结果表明,文中所建的动力学分析模型对研究磁场作用下纳米梁在黏弹性基体上的动力学特性问题准确有效。     

一种改进的粒子群优化算法

针对基本粒子群算法存在着收敛速度慢、效率低、易陷入局部最优等缺陷,为了更好地平衡全局和局部搜索能力,在粒子群算法中引入收缩因子,使算法中粒子不仅向种群最优的粒子进行学习,而且向种群中比自己优秀的所有粒子学习,增加了粒子的多样性。实验结果证明,与基本蚁群算法相比,改进的粒子群算法提高了收敛速度和效率,能一定程度地避免局部最优解的产生。     

设计坦克水平向稳定器的最优传递函数法

介绍了如何用最优传递函数设计坦克水平向稳定器 ,并运用 Matlab仿真模块 Simulink分别对当系统的指令信号为单位阶跃信号和斜坡信号时进行了仿真 ,仿真结果表明设计的稳定器性能优于传统设计且结构简单。短调节时间使得火炮在行径间有很好的稳定状态 ,对提高命中率、打击目标有很好的效果 ,是稳定器设计的一种有效方法。     

高等数学中典型错误剖析及对策

在教学中 ,教师若能预先估量学生的错误 ,有针对性的教学 ,就一定能取得满意的教学效果。本文对高等数学中学生所犯典型错误作归因化剖析并给出相应的对策     

支持向量机规则提取

支持向量机是一种黑箱模型,其学习到的知识蕴含在决策函数中,不仅影响了用户对利用支持向量机技术构建智能系统的信心,还阻碍了支持向量机技术在数据挖掘领域的应用。由于对支持向量机规则提取进行研究有助于解决上述问题,因此该领域正成为机器学习和智能计算界的研究热点。分析了具有代表性的支持向量机规则提取算法,并提出该领域未来的研究重点。     

多窗口谱图分析的低截获概率雷达信号识别

在当前复杂的战场环境中,低截获概率雷达信号因其具有大时宽带宽积、强干扰性能、高分辨率和低截获性特点得到了广泛应用,传统的雷达侦察手段很难对其进行有效识别.在低截获概率雷达典型调制分析的基础之上,研究基于人工智能的雷达信号分类识别方法.从低截获概率雷达信号时频特征入手,提出基于多窗口时频谱图分析方法.该算法采用Hermi...     

基于强化学习的鱼群自组织行为模拟

自组织行为广泛存在于自然界中。为了通过学习的方式模拟鱼群自组织行为,构建了鱼群模拟环境模型、智能体模型和奖励机制,并提出了一种基于赫布迹和行动者-评价者框架的多智能体强化学习方法。该方法利用赫布迹加强游动策略的学习记忆能力,基于同构思想实现了多智能体的分布式学习。仿真结果表明,该方法能够适用于领航跟随、自主漫游、群体导航等场景中鱼群自组织行为学习,并且基于学习方法模拟的鱼群展现的行为特性与基于博德规则计算模拟的鱼群行为类似。     

Data-driven research in retail operations—A review

We review the operations research/management science literature on data-driven methods in retail operations. This line of work has grown rapidly in recent years, thanks to the availability of high-quality data, improvements in computing hardware, and parallel developments in machine learning methodologies. We survey state-of-the-art studies in three core aspects of retail operations—assortment optimization, order fulfillment, and inventory management. We then conclude the paper by pointing out some interesting future research possibilities for our community.     

基于深度森林的网络流量分类方法

随着网络应用的迅猛发展,流量分类在网络资源分配、流量调度和网络安全等诸多研究领域受到广泛关注。现有的机器学习流量分类方法对流量数据特征的选取和分布要求苛刻,导致在实际应用中的复杂流量场景下分类精确度和稳定度难以提高。为了解决样本特征属性的复杂性给分类性能带来的不利影响,引入了基于深度森林的流量分类方法。该算法通过级联森林和多粒度扫描机制,能够在样本数量规模和特征属性选取规模有限的情况下,有效地提高流量整体分类性能。通过网络流量公开数据集Moore对支持向量机、随机森林和深度森林机器学习算法进行训练和测试,结果表明基于深度森林的网络流量分类器的分类准确率能够达到96. 36%,性能优于其他机器学习模型。