通过收缩区的量子化电导

建立起一个由窄收缩区连接两个有限宽度电子库区组成的物理器件的突变模型．计算了通过收缩区的电导，由数字结果发现当收缩区的几何形状参数取适当值时，存在电导平台．     

基于结构的神经网络模型

提出了一种基于结构的神经网络模型，并介绍了利用该模型进行系统建模与参数优化的方法，该神经网络模型本质上是结构化的，网络模型的结构与系统结构相对应，网络中神经元的个数是确定的，神经元之间的连接不是盲目的，而是根据子系统间的相互作用关系连接而成，网络的部分连接权值与系统结构参数相对应，具有明确的物理意义，所以，建模后可进一步进行结构参数的优化。     

针对油井长时程基于深度残差收缩网络的模型故障诊断

目前,大多数的故障检测都是针对故障发生时的这一段时间来进行检测的。当这种方法被用于检测多种故障类型时,其准确性往往会下降。针对上述问题的多故障、长时间序列的油井电参数信号,提出了一种基于深度残差收缩网络（DRSN）模型的故障诊断方法。首先,将采集到的油井长时间序列的电参数信号,按照一定尺寸将其矩阵化。其次,通过将深度残差收缩网络模型应用于故障诊断中,首先是将残差项加入到CNN中解决深度网络的模型退化问题,再通过软阈值化进行样本降噪。最后,为了验证所提方法的有效性,将采集到油井时间序列的数据用于改模型中用于故障诊断。实验结果表明：通过验证该文所提的方法有效性和可行性,表明该诊断方法在油井的故障诊断中有较好的表现和远大前景。     

具有约束的极小生成子图的一个算法

针对实际中的一类连接问题建立了网络模型，给出了便于计算机实现的算法，即：通过依次收缩各边简化网络Ｇ＝ （ Ｖ，Ｅ，Ｗ） ，最终得到最小生成树；然后恢复各边和顶点，从而得到了此类问题的最优解。     

BP模型在强度预测中的应用

在分析普通混凝土强度影响因素基础上，选取混凝土配料中7个因素作为输入值，混凝土28d强度作为输出值建立了混凝土强度预测的BP网络模型；讨论模型的学习样本、网络参数对预测精度的影响，从而选出最佳网络参数配置，并提高模型预测精度。     

复杂工序关系的模糊网络计划分析与建模

剖析模糊网络计划在进行时间参数计算时的矛盾，即工序间因网络拓扑结构存在内在的相关性而计算中要求工序时间参数是相互独立的这一矛盾，为此将概率统计方法引进模糊网络计算中，先把模糊数量化并给出模糊数大小比较的原则，进而提出了模糊数运算的新定义．在建立模糊网络计划模型时，同时考虑了工序间的逻辑组织关系和搭接及特殊时间限定两类关系．在工序最早时间参数计算的基础上，直接计算工序的时差，避开了通过求取网络最迟时间参数再求取时差时可能出现时间参数为负值的矛盾局面．借助Visual C^＋＋语言编制的程序，实现了模型的时间参数计算、关键性分析和工期风险分析等功能．最后通过一个包含10项工序的模糊网络算例，阐明了模型的应用过程，并将计算结果与另一模型的计算结果进行了对比分析，验证了本模型的有效性．     

汽轮机在线性能分析BP神经网络模型

为了提高汽轮机在线性能分析系统的健壮性、精确性和抗干扰能力，对BP网络算法进行拓展，增强其网络功能。使之能够分析网络输入参数偏差对输出参数的影响，建立了一种新的汽机在线性能分析模型．与常规在线分析模型相比，该模型只需常规模型输入参数个数的1/5，大大减小了测量设备损坏对在线系统的影响；而且该模型分析结果精确、可靠，测定的热耗结果与常规分析结果误差不超过1％．另外，该模型容错性能良好，参数在2％内波动对分析结果无太大影响．     

基于YOLOv5s的轻量化朱鹮检测算法研究

针对当前朱鹮检测算法模型参数较多、计算量大的问题，本文设计研究了一种基于YOLOv5s的高性能轻量化网络模型。首先，结合EfficientNet网络中的MBConvBlock对原主干网络进行重构，大幅降低网络参数；同时在浅层网络中采用Stem模块，提升浅层网络的特征提取能力；然后改进卷积注意力模块(CBAM),即将其中的通道注意力替换为高效通道注意力模块(ECA),避免了降维操作，有效提取了邻近通道间的信息，且大幅降低了通道注意力的参数数量，并将其嵌入特征融合网络路径聚合网络(PANet)中，达到了引入微小参数数量而有效提升网络性能的目的，并将其命名为高效卷积注意力模块(ECBAM)。最后，在自建朱鹮数据集和公共数据集PASCAL VOC、COCO上进行实验，实验结果表明，与YOLOv5s算法相比，本文算法模型参数数量降低了52.37%,计算次数降低了54.55%,在自建朱鹮数据集上P_mAP@0.5:0.95仅降低了约2个百分点，达到0.666,在公共数据集PASCAL VOC上P_mAP@0.5达到0.792,在公共数据集COCO上P     

自动矢量网络分析仪10个误差模型自校准技术

自校准技术是精确测量微波晶体管参数和精密校准自动矢量网络分析仪的关键技术，利用信号流图和矩阵方法，分析了测量微波晶体管Ｓ参数的３种电路模型，给出了１０个和８个误差参数的显式解，为各种型号的矢量网络分析仪测量微波晶体管Ｓ参数，提供了精确测试方法。     

人工神经网络用于三组分稀土混合体系的HPLC测定

利用误差反传算法（ＢＰ算法）的人工神经网络模型，对高效液相色谱难分离的三分体系进行了研究，对网络参数进行了优化，提高了适用于该体系的三网络模型，结果表明。     

分布时滞模糊BAM神经网络模型的指数稳定性

详细介绍了一类具分布时滞的模糊BAM（Bi·direction Associate Memory）神经网络模型．在合适的条件下,通过数学分析技巧和压缩映像原理,证明了模型平衡点的存在唯一性;通过构造Liapunov泛函,利用Lipschitz激励函数性质,获得了平衡点的指数稳定性．     

油气混输管网的水力计算

根据油气混输的水力学模型,推导出了适用于管网系统的多相水力学计算的基本计算模型。该模型由节点连续性方程、环能量方程和两相流方程组成,经线性化处理后,得到了易于计算的通用方程和稳定性好的迭代过程。这种水力计算是进行管网计算和管网优化的基础。实例计算结果表明,该模型的计算稳定性和收敛性均较好,计算结果与预测结果相吻合     

基于小波神经元网络模型的网损预测方法研究

提出了一种电力系统网损预测的新算法-小波神经元网络预测模型,它以非线性小波基为神经元函数,通过优化伸缩因子和平移因子确定对应务神经元的小波基函数,从而合成小波神经元网络,达到全局最优的拟合效果,克服了普通人工神经元网络学习速度慢、难以确定网络结构、存在局部极小点等方面的缺点,仿真结果表明,该方法准确,并可使学习速度大大提高。     

肌电信号产生机理的模型

本文在平均着火率的基础上,从电磁场理论的观点,研究了肌电信号的合成过程,以此作为肌电信号产生机理的模型,可以解释现存模型所不能解释的许多实验结果.     

一级直线边墙窄缝挑坎参数选择与冲坑深度估计

以理论关系为基础给出了一级直线边墙窄缝挑坎的边墙收缩角、收缩比和挑坎出口底板竖向挑角的确定方法，对任意选择的6个工程采用建议方法得到的计算值与它们的选用值一致；还给出了估计窄缝挑坎后冲刷坑深度的经验表达式，计算结果与几个文献中的实测结果基本一致．     

局网服务器性能优化模型

提出了在平衡负载和非平衡负载两种工作环境下描述局同服务器稳态运转程度的数学模型;在给定的边界条件和对局网服务器几个典型软配置参量详细分析的基础上,提出了网络系统基本软开销应由各软配置参量间的比例关系和系统稳态运转程度的量化表示决定的论点;给出了优化模型的部分仿真曲线并对其数值特性进行讨论.     

一种用神经网络估计网络可靠性的方法

提出一种用神经网络估计网络系统可靠性的方法．用节点数为n的网络系统的结构参数、网络中边的可靠度以及网络可靠性的精确值对神经网络进行训练，使神经网络学习到网络结构参数、网络中边可靠度与网络可靠性之间的映射关系．并利用同样的训练数据，应用GCV方法对神经网络模型的误差进行估计．对于节点数为n的其它网络系统，只要将有关数据输入获得的神经网络，就可得到该网络可靠度的估计值．     

一类作为网络模型的可平面无标度图

无标度特性普遍存在于大量的实际网络和人造网络中.为了更好地研究这类无标度网络模型的拓扑性质和内在动力学,大量的模型被建立,如随机网络模型和确定性网络模型.鉴于以往确定性模型中的无标度指数都是唯一不变的常数,定义了一类具有广义自相似性的增长网络模型,分析了它的一些拓扑性质:平均度、聚集系数、直径、度分布、最多叶子生成树.得出该模型具有无标度特性和小世界效应,并且可以通过调整相应的参数来获得丰富的无标度指数.     

利用神经网络技术建立岩石强度预测模型

本文利用神经网络技术建立了岩石强度参数的预测模型,该模型的非线性关来非常复杂,是一般计算岩石强度的经念公式关来式及统计关系式难以表达的。在已知网络内部表达的情况下,将不同时刻测得的测井参数值直接代入已训练网络,便能够预测出其对应的岩石强度.计算结果表明,预测效果相当好,而且不需要对中问参数进行确定。因此,神经网络模型为岩石力学参数确定提供了一种新的方法和手段     

一种基于EVDO分组域可视电话业务源模型

针对EVDO(evolution-data optimized)网络分组域可视电话业务性质、用户行为特性、数据源的压缩协议和网络传输协议,提出了一种基于数据业务的可视电话业务源模型。首先,对音频和视频流分别采用三层和两层模型进行建模,再选取合适的模型参数对业务流进行描述,最后对业务源模型参数及分布进行求取和拟合。该模型可为EVDO网络仿真和系统规划提供参考依据。