机床动态切削建模中的相位关系

通过分析以往实验数据,对比机床动态切削新老模型和引进闭环系统观点,证明只需要在切削过程子模型中考虑切削振动位移的影响,多质量多自由度整体模型会自动体现切削力与切削振动间的相位差别。建立了相位差别同机床结构动态特性间的函数关系,阐明新模型还包含了再生效应,当前与先前切削振动间的相位差别,可以描述有限振幅不稳定切削,体现了振型关联效应。     

基于Fuzzy偏好关系的一种方案排序方法

如何根据Ｆｕｚｚｙ偏好关系选择最优方案或进行方案的排序是一个重要的研究内容·针对Ｆｕｚｚｙ偏好关系提出了一种新的方案排序方法·首先描述了Ｆｕｚｚｙ偏好关系及其含义,然后建立了一个最优化模型并通过求解该模型来得到方案的参考排序值,使最终方案的排序结果最大程度地反映决策者的偏好,最后给出了一个算例·     

关键层破断与厚松散层地表沉陷耦合关系研究

采用模型实验方法,研究了关键层对覆岩及地表移动的控制作用和关键层破断对地表位移曲线形态的影响,对关键层与表土层间耦合关系进行了研究,揭示了关键层与表土层间耦合关系的一些基本规律。关键层对上覆岩层及地表移动起控制作用,当关键层以弹性地基板或梁的结构形式处于弹塑性变形状态时,地表下沉为弯曲型;当关键层破断及运动时,将导致地表快速断裂型下沉。     

布尔向量与Fuzzy关系方程

本文讨论布尔(Boolean)向量关联性的概念,并运用这些概念和理论,给出准确求解Fuzzy 关系方程全部极小解的有效方法。     

一般关系下的变精度粗糙集模型

通过分析一般关系下基本粗糙集模型的不足,定义了一般关系下的多数包含关系,借助引入的误差参数α(0≤α＜1/2),给出了一般关系下的变精度粗糙集模型.在该模型中,当α=0时,退化为一般关系下的基本粗糙集模型(Z.Pawlak模型);当|Rs(x)|·α=k时(|Rs(x)|表示元素x后继邻域Rs(x)之基数,k为非负整数),退化为常见的程度粗糙集模型.通过它与一般关系下基本粗糙集模型(Z.Pawlak模型)的比较,可以看出,在引入误差参数α后,能够使尽可能多的有用信息被提取、挖掘.从而克服了基本粗糙集模型中由于要求绝对精确的包含关系而使大量有用信息丢失的现象,并讨论了所给模型的一些性质.最后,在所给模型基础上讨论了一种广义近似空间中集合的相对可辨性、近似依赖和属性约简.     

不完备信息系统下的一种概率属性约简算法

不完备信息系统中的属性约简一直是粗糙集研究领域的一个难点．在不完备信息系统中,用以往的属性约简算法得到的约简结果中,某一属性要么属于该约简,要么不属于该约简．但在实际生活中,当属性以比较大的概率可区分两对象时,这就表明该属性可能以某一概率属于约简结果．基于这种想法,文中通过构造概率区分矩阵,并在此基础上给出相应的区分函数,提出了一种概率属性约简算法,分析了算法正确性．从该算法得到的约简,可以看出各属性属于约简的可能性．最后用实例表明该算法是有效和可行的．     

降雨对土坡稳定的影响

为了模拟降雨过程中边坡土体强度的变化,以室内常规不固结不排水三轴试验为基础,探讨了含水量的变化对土体抗剪强度参数及应力-应变关系的影响,并从孔隙水压力的角度探讨了降雨过程中含水量的变化对土体变形的影响.试验结果表明:抗剪强度参数与含水率变量总体上呈非线性关系,但对于粘聚力(c)和内摩擦角(ψ),在含水质量分数为18.64%处均达最大值,并且随着含水量的增加,c、ψ值均单调递减;重塑黏性土的应力-应变关系呈近似双曲线,并且随着含水量的增减应力-应变关系曲线越来越接近两边的坐标轴.最后,从土体强度和变形的两个角度分析可知,降雨过程中所造成的含水量的提高最终导致了边坡的破坏.     

自适应广义投影同步混沌系统

针对混沌系统的自适应广义投影同步,基于李亚普诺夫稳定性理论,提出设计合适的自适应控制器和参数更新规则。以两个新型的四维混沌系统为例进行数值仿真,实现其驱动系统与响应系统渐近地达到所有状态向量的广义投影同步,同时辨识出系统的所有未知参数。通过数值仿真,证明了所设计的控制器有效性以及理论推导的正确性。     

数学与艺术的关系

从恩维方式、思维工程及思维结果等方面简述了数学与艺术的不同．从人类认识规律及创造活动方面阐述了两者间的相互促进、相互交融关系．从数学对艺术的创造、鉴别等方面,论述了数学对艺术的作用;从对数学的理解与传播及对人的气质影响等方面简述了艺术对数学的作用．这对教育改革、培养人的素质,特别是对培养创造性的高素质人才可望有一定的启发性．     

融合对抗训练和胶囊网络的食品安全关系抽取模型

为解决食品安全领域关系抽取数据集体量小且关系种类复杂,普通网络模型无法充分进行特征学习的问题,提出了一种融合对抗训练和胶囊网络的食品安全领域关系抽取模型GAL-CapsNet。该模型使用双向长短期记忆网络提取文本序列的全局特征,并通过胶囊网络的动态路由机制获取高层次的局部特征,具有较强的特征提取能力,同时在嵌入层加入对抗训练提升模型的鲁棒性,从而有效提高了关系抽取任务的效果。在本文所用的食品安全领域数据集上的实验结果显示：对比其他深度神经网络方法,GAL-CapsNet在关系抽取任务中的精确率、召回率和F₁值均有明显提升,分别达到了85.91%、82.82%、84.33%,证明了模型在食品安全领域数据集上的有效性。