ANN

摘要： In this study,the workability of cement-based grouts containing n-TiO 2 nanoparticles and fly ash has been investigated experimentally.Several characteristic quantities(including,but not limited to,the marsh cone flow time,the mini slump spreading diameter and the plate cohesion meter value)have been measured for different percentages of these additives.The use of fly ash as a mineral additive has been found to result in improvements in terms of workability behavior as expected.Moreover,if nano titanium oxide is also used,an improvement can be obtained regarding the bleeding values for the cement-based grout mixes.Using such experimental data,a multi-layer perceptron artificial neural network model has been developed(5 neurons in the hidden layer of the network model have been developed using a total of 42 experimental data).70%of the data employed in this model have been used for training,15%for validation and 15%for the test phase.The results demonstrate that the artificial neural network model can predict Marsh cone flow time,mini slump spreading diameter and plate cohesion meter values with an average error of 0.15%.

摘要： COVID-19 virus is certainly considered as one of the harmful viruses amongst all the illnesses in biological science. COVID-19 symptoms are fever, cough, sore throat, and headache. The paper gave a singular function for the prediction of most of the COVID-19 virus diseases and presented with the Convolutional Neural Networks and Logistic Regression which might be the supervised learning and gaining knowledge of strategies for most of COVID-19 virus diseases detection. The proposed system makes use of an 8-fold pass determination to get a correct result. The COVID-19 virus analysis dataset is taken from Microsoft Database, Kaggle, and UCI websites gaining knowledge of the repository. The proposed studies investigate Convolutional Neural Networks (CNN) and Logistic Regression (LR) about the usage of the UCI database, Kaggle, and Google Database Datasets. This paper proposed a hybrid method for COVID-19 virus, most disease analyses through reducing the dimensionality of capabilities the usage of Logistic Regression (LR), after which making use of the brand new decreased function dataset to Convolutional Neural Networks and Logistic regression. The proposed method received the accuracy of 78.82%, sensitiveness of 97.41%, and specialness of 98.73%. The overall performance of the proposed system is appraised thinking about performance, accuracy, error rate, sensitiveness, particularity, correlation and coefficient. The proposed strategies achieved the accuracy of 78.82% and 97.41% respectively through Convolutional Neural Networks and Logistic Regression.

摘要： The roles played by divalent cations(calcium,magnesium and iron)of rock minerals in the efficiency of mineral carbonation have been investigated.Statistical modeling with Artificial Neural Network(ANN)having configuration ANN[17-4-1]shows that carbonation efficiency largely increases as the quantity of calcium content increases.Averagely,there is approximately 5%rise in the original efficiency for 10%increase in the quantity of calcium.This changes to 3.4%and 1.6%increases in efficiency,relative to the original efficiency for 20%and 30%increases in calcium content,respectively.Iron content of minerals offers clear positive correlation to the carbonation efficiency.From the global average,there is approximately 17%rise in the original efficiency for 10%increase in the quantity of iron.This increases to 29%and 41%over the original efficiency for 20%and 30%increases in iron content,respectively..The influence of magnesium was found to be mainly negatively correlated to carbonation efficiency,after exceeding an unknown threshold.The global average of the efficiency changes with magnesium content results in original efficiency rising by 2%at 10%quantity increase and then reduces by 3%and 9%for 20%and 30%increase in magnesium quantity,respectively,relative to the original efficiency.Thus,iron compounds are found to be most potent of the divalent cations in carbonation reaction while calcium and magnesium content should maintain a threshold ratio with silica content for improved efficiency.

摘要： 本文对在电商、新闻资讯、视频等多种业务中有着非常广泛应用的相关推荐需求进行了深入的研究。基于文本匹配的相关推荐算法存在特征稀疏、冷启动、惊喜度差、多样性不足以及效果有待持续提升等问题,本文提出了一种融入语义匹配的物品相关推荐算法。该算法首先是基于搜索引擎以及BM25相关性计算进行多字段实时地文本匹配推荐,然后进一步地结合预训练语言模型BERT和ANN算法进行多字段实时地语义匹配推荐以提升推荐效果,同时引入热度指数计算以辅助推荐排序。通过线上短视频领域的推荐系统分流A/B测试的多组对比实验表明,提出的基于文本语义匹配的物品相关推荐算法在多个指标上是优于基线方法的,可以有效地提升推荐效果以及用户满意度。

摘要： This work was carried out on a series of twenty-two (22) benzimidazole derivatives with inhibitory activities against Mycobacterium tuberculosis H37Rv by applying the Quantitative Structure-Activity Relationship (QSAR) method. The molecules were optimized at the level DFT/B3LYP/6-31 + G (d, p), to obtain the molecular descriptors. We used three statistical learning tools namely, the linear multiple regression (LMR) method, the nonlinear regression (NLMR) and the artificial neural network (ANN) method. These methods allowed us to obtain three (3) quantitative models from the quantum descriptors that are, chemical potential (μ), polarizability (α), bond length l (C = N), and lipophilicity. These models showed good statistical performance. Among these, the ANN has a significantly better predictive ability R2 = 0.9995;RMSE = 0.0149;F = 31879.0548. The external validation tests verify all the criteria of Tropsha et al. and Roy et al. Also, the internal validation tests show that the model has a very satisfactory internal predictive character and can be considered as robust. Moreover, the applicability range of this model determined from the levers shows that a prediction of the pMIC of the new benzimidazole derivatives is acceptable when its lever value is lower than 1.

摘要： Today, COVID-19 pandemic has become the greatest worldwide threat, as it spreads rapidly among individuals in most countries around the world. This study concerns the problem of daily prediction of new COVID-19 cases in Italy, aiming to find the best predictive model for daily infection number in countries with a large number of confirmed cases. Finding the most accurate forecasting model would help allocate medical resources, handle the spread of the pandemic and get more prepared in terms of health care systems. We compare the forecasting performance of linear and nonlinear forecasting models using daily COVID-19 data for the period between 22 February 2020 and 10 January 2022. We discuss various forecasting approaches, including an Autoregressive Integrated Moving Average (ARIMA) model, a Nonlinear Autoregressive Neural Network (NARNN) model, a TBATS model and Exponential Smoothing on the data collected from 22 February 2020 to 10 January 2022 and compared their accuracy using the data collected from 26 March 2020 to 04 April 2020, choosing the model with the lowest Mean Absolute Percentage Error (MAPE) value. Since the linear models seem not to easily follow the nonlinear patterns of daily confirmed COVID-19 cases, Artificial Neural Network (ANN) has been successfully applied to solve problems of forecasting nonlinear models. The model has been used for daily prediction of COVID-19 cases for the next 20 days without any additional intervention. The prediction model can be applied to other countries struggling with the COVID-19 pandemic and to any possible future pandemics.

摘要： Individuals and PCs(personal computers)can be recognized using CAPTCHAs(Completely Automated Public Turing test to distinguish Computers and Humans)which are mechanized for distinguishing them.Further,CAPTCHAs are intended to be solved by the people,but are unsolvable by the machines.As a result,using Convolutional Neural Networks(CNNs)these tests can similarly be unraveled.Moreover,the CNNs quality depends majorly on:the size of preparation set and the information that the classifier is found out on.Next,it is almost unmanageable to handle issue with CNNs.A new method of detecting CAPTCHA has been proposed,which simultaneously solves the challenges like preprocessing of images,proper segmentation of CAPTCHA using strokes,and the data training.The hyper parameters such as:Recall,Precision,Accuracy,Execution time,F-Measure(H-mean)and Error Rate are used for computation and comparison.In preprocessing,image enhancement and binarization are performed based on the stroke region of the CAPTCHA.The key points of these areas are based on the SURF feature.The exploratory outcomes show that the model has a decent acknowledgment impact on CAPTCHA with foundation commotion and character grip bending.

摘要： 针对信息物理融合系统(Cyber-Physical-System,CPS)网络攻击识别难的问题,首先引入焦点损失函数对Lightgbm集成算法进行改进;然后针对CPS攻击样本的不平衡性,采用K均值算法对数据进行聚类处理,再利用JMIM筛选最优特征集;最后构建Lightgbm集成学习算法的网络攻击识别模型,并通过Python3.7进行试验。结果表明,在大、小样本下,该模型在准确率、F_(1)值、召回率等指标上都表现出很好的优势;与SVM、ANN等机器学习算法相比,在精度、F_(1)值等指标上都高于传统算法;加入噪声后,无论大、小样本,该模型都具有很高的分类精度,表现出很强的抗干扰能力。因此,该模型构建精度高,且适用性强。

摘要： Many countries developed and increased greenery in their country sights to attract international tourists.This planning is now significantly contributing to their economy.The next task is to facilitate the tourists by sufficient arrangements and providing a green and clean environment;it is only possible if an upcoming number of tourists’arrivals are accurately predicted.But accurate prediction is not easy as empirical evidence shows that the tourists’arrival data often contains linear,nonlinear,and seasonal patterns.The traditional model,like the seasonal autoregressive fractional integrated moving average(SARFIMA),handles seasonal trends with seasonality.In contrast,the artificial neural network(ANN)model deals better with nonlinear time series.To get a better forecasting result,this study combines the merits of the SARFIMA and the ANN models and the purpose of the hybrid SARFIMA-ANN model.Then,we have used the proposed model to predict the tourists’arrival inNew Zealand,Australia,and London.Empirical results showed that the proposed hybrid model outperforms in predicting tourists’arrival compared to the traditional SARFIMA and ANN models.Moreover,these results can be generalized to predict tourists’arrival in any country or region with a complicated data pattern.

摘要： 针对立体停车场空车位零乱、车主停车难、寻车难的社会问题,在熟悉停车场车位管理流程和掌握车辆特征信息后,设计出一种基于Zigbee通信技术的立体停车场车位管理系统。使用Raspberry Pi 3B+(RPi 3B+)和高清摄像头对停车场出入口车辆进行拍照,通过高斯模糊、灰度二值化、Sobel边缘检测、形态学操作、Canny算子等操作排除干扰像素后得到车牌区域,通过SVM模型和ANN神经网络识别出车牌号;车位信息由超声传感和红外传感装置检测距离阈值,用ZigBee通信技术将数据上传到上位机,实现车主停/寻车引导。实验测试表明,系统运行稳定,具有实用价值。

摘要： 为了解决当前钢水连铸下渣检测系统成本高、使用寿命短且难于安装维护等问题,提出了一种基于振动信号测量的钢水下渣检测系统实现方法.对钢水连铸下渣过程进行了研究,根据连铸过程中钢水、钢渣因比重而产生的冲击振动差异,确定了把振动信号作为主要检测信号的实施方案.结合嵌入式系统技术,搭建了传感器远离钢水的下渣检测控制试验平台,解决了钢渣监测的传感器易耗问题,有效的提高了系统使用寿命.利用自主设计的嵌入式实时数据采集分析系统进行数据采样与特征信号提取,通过人工神经网络(ANN)技术对经过预处理的实时信号进行训练与识别,进而判断钢水状态,并结合相关控制策略实现连铸下渣的自动控制.工业现场实验结果表明:该方法成本低,对现在有设备改造小,使用寿命长,下渣检出率在96 ﹪以上,符合钢水连铸的生产要求.

摘要： 为了解决当前钢水连铸下渣检测系统成本高、使用寿命短且难于安装维护等问题,提出了一种基于振动信号测量的钢水下渣检测系统实现方法.对钢水连铸下渣过程进行了研究,根据连铸过程中钢水、钢渣因比重而产生的冲击振动差异,确定了把振动信号作为主要检测信号的实施方案.结合嵌入式系统技术,搭建了传感器远离钢水的下渣检测控制试验平台,解决了钢渣监测的传感器易耗问题,有效的提高了系统使用寿命.利用自主设计的嵌入式实时数据采集分析系统进行数据采样与特征信号提取,通过人工神经网络(ANN)技术对经过预处理的实时信号进行训练与识别,进而判断钢水状态,并结合相关控制策略实现连铸下渣的自动控制.工业现场实验结果表明:该方法成本低,对现在有设备改造小,使用寿命长,下渣检出率在96 ﹪以上,符合钢水连铸的生产要求.

摘要： 为了解决当前钢水连铸下渣检测系统成本高、使用寿命短且难于安装维护等问题,提出了一种基于振动信号测量的钢水下渣检测系统实现方法.对钢水连铸下渣过程进行了研究,根据连铸过程中钢水、钢渣因比重而产生的冲击振动差异,确定了把振动信号作为主要检测信号的实施方案.结合嵌入式系统技术,搭建了传感器远离钢水的下渣检测控制试验平台,解决了钢渣监测的传感器易耗问题,有效的提高了系统使用寿命.利用自主设计的嵌入式实时数据采集分析系统进行数据采样与特征信号提取,通过人工神经网络(ANN)技术对经过预处理的实时信号进行训练与识别,进而判断钢水状态,并结合相关控制策略实现连铸下渣的自动控制.工业现场实验结果表明:该方法成本低,对现在有设备改造小,使用寿命长,下渣检出率在96 ﹪以上,符合钢水连铸的生产要求.

摘要： 为了解决当前钢水连铸下渣检测系统成本高、使用寿命短且难于安装维护等问题,提出了一种基于振动信号测量的钢水下渣检测系统实现方法.对钢水连铸下渣过程进行了研究,根据连铸过程中钢水、钢渣因比重而产生的冲击振动差异,确定了把振动信号作为主要检测信号的实施方案.结合嵌入式系统技术,搭建了传感器远离钢水的下渣检测控制试验平台,解决了钢渣监测的传感器易耗问题,有效的提高了系统使用寿命.利用自主设计的嵌入式实时数据采集分析系统进行数据采样与特征信号提取,通过人工神经网络(ANN)技术对经过预处理的实时信号进行训练与识别,进而判断钢水状态,并结合相关控制策略实现连铸下渣的自动控制.工业现场实验结果表明:该方法成本低,对现在有设备改造小,使用寿命长,下渣检出率在96 ﹪以上,符合钢水连铸的生产要求.

摘要： 为了解决当前钢水连铸下渣检测系统成本高、使用寿命短且难于安装维护等问题,提出了一种基于振动信号测量的钢水下渣检测系统实现方法.对钢水连铸下渣过程进行了研究,根据连铸过程中钢水、钢渣因比重而产生的冲击振动差异,确定了把振动信号作为主要检测信号的实施方案.结合嵌入式系统技术,搭建了传感器远离钢水的下渣检测控制试验平台,解决了钢渣监测的传感器易耗问题,有效的提高了系统使用寿命.利用自主设计的嵌入式实时数据采集分析系统进行数据采样与特征信号提取,通过人工神经网络(ANN)技术对经过预处理的实时信号进行训练与识别,进而判断钢水状态,并结合相关控制策略实现连铸下渣的自动控制.工业现场实验结果表明:该方法成本低,对现在有设备改造小,使用寿命长,下渣检出率在96 ﹪以上,符合钢水连铸的生产要求.

摘要： 嵌入式故障诊断技术要求针对性强、占用空间小、可配置、实时性好,但是传统的故障诊断技术需要大量的数据资源作为支持,不能满足以上要求.针对此问题,在对当前故障诊断技术的广泛调研的基础上,提出了一种基于C 语言集成产品系统(CLIPS)与人工神经网络技术(ANN)技术的嵌入式故障诊断专家系统.对故障诊断专家系统及其相关技术进行了深入研究,在Linux 环境下搭建了专家系统开发环境以及相应的设计工具链;基于构件化设计思想,使系统具备较好的可配置性与可扩展性,同时可以对数据处理构件以及图形用户界面构件进行裁减,以满足嵌入式系统的基本运行要求;利用CLIPS 提供的应用程序接口设计实现了相对精简高效的规则库与知识库,并通过ANN 信息融合算法完成判断与推理.工业应用系统实例证明:其在ARM-Linux 嵌入式环境下运行稳定,上下文切换迅速,能够对一些常见故障进行有效识别.

摘要： 嵌入式故障诊断技术要求针对性强、占用空间小、可配置、实时性好,但是传统的故障诊断技术需要大量的数据资源作为支持,不能满足以上要求.针对此问题,在对当前故障诊断技术的广泛调研的基础上,提出了一种基于C 语言集成产品系统(CLIPS)与人工神经网络技术(ANN)技术的嵌入式故障诊断专家系统.对故障诊断专家系统及其相关技术进行了深入研究,在Linux 环境下搭建了专家系统开发环境以及相应的设计工具链;基于构件化设计思想,使系统具备较好的可配置性与可扩展性,同时可以对数据处理构件以及图形用户界面构件进行裁减,以满足嵌入式系统的基本运行要求;利用CLIPS 提供的应用程序接口设计实现了相对精简高效的规则库与知识库,并通过ANN 信息融合算法完成判断与推理.工业应用系统实例证明:其在ARM-Linux 嵌入式环境下运行稳定,上下文切换迅速,能够对一些常见故障进行有效识别.

摘要： 嵌入式故障诊断技术要求针对性强、占用空间小、可配置、实时性好,但是传统的故障诊断技术需要大量的数据资源作为支持,不能满足以上要求.针对此问题,在对当前故障诊断技术的广泛调研的基础上,提出了一种基于C 语言集成产品系统(CLIPS)与人工神经网络技术(ANN)技术的嵌入式故障诊断专家系统.对故障诊断专家系统及其相关技术进行了深入研究,在Linux 环境下搭建了专家系统开发环境以及相应的设计工具链;基于构件化设计思想,使系统具备较好的可配置性与可扩展性,同时可以对数据处理构件以及图形用户界面构件进行裁减,以满足嵌入式系统的基本运行要求;利用CLIPS 提供的应用程序接口设计实现了相对精简高效的规则库与知识库,并通过ANN 信息融合算法完成判断与推理.工业应用系统实例证明:其在ARM-Linux 嵌入式环境下运行稳定,上下文切换迅速,能够对一些常见故障进行有效识别.

摘要： 嵌入式故障诊断技术要求针对性强、占用空间小、可配置、实时性好,但是传统的故障诊断技术需要大量的数据资源作为支持,不能满足以上要求.针对此问题,在对当前故障诊断技术的广泛调研的基础上,提出了一种基于C 语言集成产品系统(CLIPS)与人工神经网络技术(ANN)技术的嵌入式故障诊断专家系统.对故障诊断专家系统及其相关技术进行了深入研究,在Linux 环境下搭建了专家系统开发环境以及相应的设计工具链;基于构件化设计思想,使系统具备较好的可配置性与可扩展性,同时可以对数据处理构件以及图形用户界面构件进行裁减,以满足嵌入式系统的基本运行要求;利用CLIPS 提供的应用程序接口设计实现了相对精简高效的规则库与知识库,并通过ANN 信息融合算法完成判断与推理.工业应用系统实例证明:其在ARM-Linux 嵌入式环境下运行稳定,上下文切换迅速,能够对一些常见故障进行有效识别.

摘要： 嵌入式故障诊断技术要求针对性强、占用空间小、可配置、实时性好,但是传统的故障诊断技术需要大量的数据资源作为支持,不能满足以上要求.针对此问题,在对当前故障诊断技术的广泛调研的基础上,提出了一种基于C 语言集成产品系统(CLIPS)与人工神经网络技术(ANN)技术的嵌入式故障诊断专家系统.对故障诊断专家系统及其相关技术进行了深入研究,在Linux 环境下搭建了专家系统开发环境以及相应的设计工具链;基于构件化设计思想,使系统具备较好的可配置性与可扩展性,同时可以对数据处理构件以及图形用户界面构件进行裁减,以满足嵌入式系统的基本运行要求;利用CLIPS 提供的应用程序接口设计实现了相对精简高效的规则库与知识库,并通过ANN 信息融合算法完成判断与推理.工业应用系统实例证明:其在ARM-Linux 嵌入式环境下运行稳定,上下文切换迅速,能够对一些常见故障进行有效识别.

摘要： 本发明公开了一种基于ANN和迁移学习的节假日负荷预测方法，包括以下步骤：对预处理后的数据集进行特征工程操作形成全部负荷数据集，从全部负荷数据集中提取出节日负荷数据集和假日负荷数据集；采用ANN进行构建全数据源模型，并利用全部负荷训练数据集对全数据源模型进行训练；将全数据源模型作为预训练模型，对节日/假日负荷数据集进行训练，使用与全数据源模型相同的参数，得到最终节日/假日负荷训练模型；对预测日各时刻点的负荷值进行预测，得到预测日各时刻点负荷的预测结果。将节日负荷数据和假日负荷数据分别通过ANN进行节日预测和假日预测，可以更好的学习到节日和假日各自的特征，进而提升预测精度。

摘要： 描述了对用于存储器即服务的网络通信进行节流的系统、方法和装置。例如，计算装置可以通过出借者装置和计算装置之间的通信连接借用出借者装置的随机存取存储器量。计算装置可以将虚拟存储器分配给在计算装置中运行的应用程序，并且将虚拟存储器的至少一部分配置为托管在出借者装置借给计算装置的存储器量上。计算装置可以根据存储在存储器区域中的内容的关键度级别来节流存储器区域在通过通信连接存取存储器量时使用的数据通信。

摘要： 本发明公开了一种基于ANN的燃机透平阻尼叶片结构等效刚度阻尼分析方法，包含以下步骤：1)建立适于描述干摩擦阻尼件接触状态的摩擦‑碰撞动态耦合阻尼模型；2)利用时频交互算法求解叶片非线性受迫响应；3)计算等效刚度、等效阻尼系数；4)搭建ANN拟合等效刚度、等效阻尼变化曲线。本发明建立了一种考虑变正压力的碰撞‑摩擦动态耦合阻尼模型，同时通用的ANN来进行曲线拟合，避免了传统方法中不同干摩擦阻尼模型拟合公式形式不同所带来的额外计算消耗；另外，本发明应用迁移学习的方法将当前网络的拟合结果用于指导其他网络的生成，能够有效解决变参数或样本量较少时传统算法拟合效率低下、拟合精度低的问题。

摘要： 一种基于ANN的城乡混合垃圾好氧发酵腐殖程度预测方法，涉及生物信息预测领域。本发明是为了解决目前腐殖程度预测方法还存在由于影响因素过多导致的预测准确率低的问题。本发明包括：获取待预测垃圾的环境信息以及垃圾本身理化性质信息，并将环境信息以及垃圾本身理化性质信息中的至少一个数据输入到训练好的最优BP人工神经网络中获得待预测垃圾的腐殖质产生量，并根据腐殖质的产生量确定待预测垃圾的腐殖程度；待预测垃圾所在环境信息包括：天数、温度；垃圾本身理化性质包括：碳氮比、堆肥类型和堆肥比例、PH值；所述BP人工神经网络包括：输入层、隐含层、输出层。本发明用于预测垃圾好氧发酵的腐殖程度。

摘要： 在各种实施例中，提供了方法、系统和车辆设备。一种使用用于扭矩预测模型的神经网络(NN)来实现扭矩控制的方法，以接收与扭矩预测相关联的一组经测量的车辆操作输入；将一组多个独立变量代入扭矩预测模型，使得NN采用简化的伪ANN的形式，该伪NN包含一个独立变量的缩减变量集；基于NN预测模型，通过使用伪NN的简化数学表达式中的仅一个独立变量，由伪NN处理该一组经测量的车辆操作输入；以及通过获得根值来求解伪NN的简化数学表达式的至少一个根，而不必依赖于由整组独立变量组成的数学表达式的反演操作。

摘要： 本发明涉及一种基于ANN的智能评估分诊系统及方法。所述智能评估分诊系统至少包括智能评估分诊模块和智能手持设备。智能评估分诊模块能够与用户进行交互以生成分诊信息。智能手持设备能够与智能评估分诊模块数据连接以获取分诊信息。智能评估分诊模块能够根据其对患者的初步诊断而确定疾病来确定其在与分诊信息相对应的医院内二维地图上的行进路线，并将二维地图的行进路线提供给用户的智能手持设备。将二维地图的行进路线提供给用户的智能手持设备包括：由中央服务器根据与之数据连接的监控摄像头所提供的人员密集程度信息而确定与二维地图的行进路线所对应的预测行经时间信息。所述智能评估分诊方法能够用于所述智能评估分诊系统。

摘要： 本发明公开了基于热应力仿真‑ANN几何补偿的模型边沿打印精度提升方法。本发明步骤：1.构造STL模型的有限元网格模型，建立有限元网格单元与STL模型顶点之间的空间归属关系，据此面向PBF开展热应力仿真；2.根据有限元网格单元仿真前后的变形量，结合三线性插值方法，确定有限元网格单元内部每个STL模型顶点的位移；3.基于仿真结果分析STL模型顶点在仿真前后的位移变化，优化构造和训练能够有效预测PBF打印后模型顶点位置的ANN模型；4.基于训练的ANN模型，开展对原STL模型的边沿几何补偿，并通过仿真分析补偿有效性。本发明采用有限元分析收集变形数据，建立有限元网格单元与模型顶点之间的空间归属关系，结合ANN实现形变补偿，提高边沿打印的精度。

摘要： 本发明公开了一种基于CPC‑ANN的文本情绪原因识别方法，属于自然语言处理文本情绪分析技术领域。一种基于CPC‑ANN的文本情绪原因识别方法，CPC‑ANN模型主要分为五层：嵌入层、Bi‑LSTM层、Transformer层、注意力层以及CNN输出层，在CANN方法的基础上提出一种基于上下文和位置交互的协同注意力神经网络模型，先将子句的相对位置信息编码到子句的每个词向量中，再通过双向长短时记忆网络Transformer网络来捕捉子句的语义信息，以帮助产生更好的子句表示；然后，使用注意力机制来捕获融合了上下文子句信息的候选原因子句和情绪子句之间的语义关系；最后，利用卷积神经网络对候选原因子句进行分类。本发明解决了目前的文本情绪原因识别方法对语义和位置信息利用不充分的问题。

摘要： 本发明提供基于联合ANN的尾矿智能高效综合利用方法和系统，RNN‑ELM联合模型的建立步骤具体是：S1确立所述活化工艺的多步骤流程以及每个步骤中使用的活化参数；S2根据建立与所述活化工艺的多步骤流程建立RNN模型，并建立与所述每个步骤相对应的ELM模型；S3将S2中建立的与所述每个步骤相对应的ELM模型的输出端作为RNN模型中相对应时间节点上的输入端，以形成RNN‑ELM联合模型；S4对选矿工艺产生的待测尾矿进行红外光谱检测并代入RNN‑ELM联合模型获取优化的活化参数配制。本发明采用RNN‑ELM联合模型解决尾矿活化工艺的动态调整以及最优化。

摘要： 本发明公开了一种基于D‑G曲线和BP‑ANN的城市建成区活力评价方法，包括以下步骤：S1：步骤1：首解构城市活力的形成；S2：基于不同数据源、不同分类标准的土地利用覆被产品为土地资源、类型等信息提取提供扎实的数据支撑；S3：基于POI密度估计，采用D‑G区县识别建成区的空间界限；S4：最终的建成区由边界Ⅰ与边界Ⅱ经空间几何分析后融合提取得到；S5：确定好城市活力评价范围后，对指标需进行标准化处理；S6：采用模糊聚类和随机抽样相结合的训练样本选取方法。