代价敏感正则化有限记忆多隐层在线序列极限学习机及图像识别应用

将深度神经网络的多隐层特性融入在线序列极限学习机框架,提出代价敏感正则化有限记忆多隐层在线序列极限学习机,其中,代价敏感性由加权最小二乘法体现,有限记忆性通过及时丢弃过时旧数据体现。实验结果表明,加入了多隐层特性的在线序列极限学习机在图像识别准确率上比单隐层的在线序列极限学习机有所提升,在识别准确率的稳定性方面也比单隐层网络更出色。     

公路施工项目进度控制管理措施探讨

文章结合某公路工程项目,针对该项目标段工程工期紧的特点,从施工方案、人员协调管理等方面提出了一系列项目进度控制管理措施,以确保工程如期完成。     

含裂纹损伤箱型梁剩余扭转极限强度研究

针对含裂纹损伤箱型梁的剩余扭转极限强度问题,通过考虑结构特征及裂纹分布的差异性,基于净截面屈服理论提出更为准确地评估裂纹影响的剩余扭转极限强度简化计算公式,能够很好地反映裂纹损伤所导致的极限强度衰减趋势。利用非线性有限元方法,考虑中心裂纹与边缘裂纹2种裂纹形式,考察结构应力分布的变化与规律,验证扭转载荷下裂纹分布与裂纹尺寸对剩余极限强度的影响。数值计算表明,本文提出的公式具有较好的准确度。     

基于极限学习机与旋转森林相结合的栈式深度学习分类方法

大数据时代的到来导致简单机器学习所建立起来的单一模型往往不能充分挖掘大样本数据所承载的丰富信息,同时在学习能力上也略显不足.在此背景下,文中将旋转森林算法(rotation-forest, ROF)与极限学习机(extreme learning machine, ELM)相结合,构建一个基础神经元单元,然后通过栈式泛化原理进行逐层构建,形成一种快速保持源域空间特征的深度学习模型(D-R-ELM).D-R-ELM由多个基础神经元构成,这些基础神经元通过一种特殊的栈式构造方式,既保证了较好的学习能力,同时也减少了训练成本.实验结果表明:D-R-ELM的深层结构模型,在大样本数据上相比于Adaboosting、Bagging、ELM、ROF和Rotboost传统分类器表现出更好的分类性能、稳定性与泛化性能.     

层次极限学习机用于高光谱图像预测绝缘子污秽度

高光谱图像具有图谱合一、光谱范围广及分辨率高等优势，能精细化地反映物质微观特性. 为此，引入高光谱成像技术以非接触式预测绝缘子污秽度. 考虑到极限学习机具有学习效率高和泛化能力强等优点，提出基于正则化约束极限学习机的绝缘子污秽度预测（extreme learning machine-insulator pollution degree prediction，ELM-IPDP）模型. 此外，为进一步提升预测性能，引入层次极限学习机从复杂的高光谱图像中学习出有效、抽象、判决性特征表示，继而建立基于层次极限学习机的绝缘子污秽度预测（hierarchical ELM-IPDP，HELM-IPDP）模型. 在不同的训练集与测试集比例和不同隐含层神经元个数的情况下分别进行实验，从实验结果可知:ELM-IPDP模型和HELM-IPDP模型的预测性能基本上随着隐含层神经元个数和训练样本的增加而不断提高；当训练集与测试集比例为9∶1时，ELM-IPDP模型的均方根误差和相关系数分别为0.040 3和0.944 7，而HELM-IPDP模型的均方根误差和相关系数分别提升到0.022 3和0.972 0.      

基于有限元法的箱型梁极限强度影响因素及敏感分析

船体箱型梁极限强度的有限元计算方法应用广泛,但其计算方法具有一定的不稳定性。本文开展对箱型梁简化模型的极限强度研究,基于非线性有限元法计算3种典型箱型梁模型的极限强度,与已有实验数据比对,验证本文有限元算法的可靠性。通过分析箱型梁边界条件类型、网格密度大小和初始缺陷等敏感因素,发现边界条件未设置延长段的模型计算误差达到了20%,粗糙网格计算误差达到了30%,初始缺陷大小为0.01～0.02倍箱型梁跨长时,计算结果敏感性较小。     

基于船冰碰撞的含凹陷损伤加筋板极限强度研究

为研究基于船冰碰撞的含凹陷损伤加筋板的极限强度,结合Derradji-Aouat各向同性三维失效准则和弹脆性破坏模式,提出基于线弹性的多表面失效海冰本构模型。利用Ls-dyna二次开发技术,编译生成相应的求解器。通过与球形冰撞击刚性板和柱形冰撞击船体舷侧板架仿真对比分析,验证了基于线弹性多表面失效海冰动力本构模型更加适用于船冰碰撞问题的研究。利用Ls-dyna模拟海冰与船体加筋板碰撞,并将含凹陷损伤加筋板模型导入Ansys中进行加筋板剩余极限强度的计算,得到考虑凹陷影响的加筋板极限强度。结果表明,凹陷对加筋板极限强度的衰减主要体现在凹陷面积,并且凹陷面积和深度对加筋板极限强度的衰减作用随着面积和深度的增加而逐步减弱。     

基于极限学习机算法的光学遥感图像舰船目标监测

在遥感成像技术快速发展的背景下,获取遥感图像的方式有所改变,已经不再局限在合成孔径雷达方面,而是开始采用光学相机。通过光学相机所形成的遥感图像具有较高的分辨率,且能够在图像中对感兴趣目标进行检测。其中,光学遥感图像是军事活动应用遥感技术的重点且备受关注。将极限学习机算法应用在光学遥感图像舰船目标检测中,可以进一步提高检测质量与效果。该算法属于全新的单隐含层前馈神经网络学习算法,结构相对简单且能够快速学习,全局寻优能力较强,计算复杂程度降低,能够获得最小平方优化解,性能稳定且泛化。总体来讲,基于极限学习机算法的光学遥感图像舰船目标检测研究十分有必要。     

钛合金耐压球壳极限强度数值估算方法

深潜器在海洋开发中扮演非常重要的角色,其中耐压球壳作为保证潜水器设备和人员安全的关键部件,其结构设计直接关系到深潜器总体性能和重量指标。耐压球壳壳体的焊接工艺对结构极限强度有不可忽视的影响,因此本文提出一种耐压球壳极限强度的数值计算方法,其充分考虑了焊接加工工艺对壳体极限强度的影响,包括焊接对焊道周围材料属性的影响,焊接引起的变形以及残余应力。经由与试验结果对比,该数值方法结果较为精确,且计算结果偏于保守,表明该方法能考虑到工程安全性,有实际工程意义及较强的工程应用价值。