基于人工生命的信息融合开发平台的研究

采用模块化的设计思想,用Matlab和VC混合编程,实现了平台的开发。对基于神经网络的信息融合,利用一组工业数据进行了实验,实践结果表明该子平台对信息融合处理是有效的。采用模拟人的形象思维能力,利用细胞神经网络对图像的边界信息进行提取,再综合像素比较,曲线特征等多信息进行融合,模拟了简单的拟人形象思维。     

园林植物功能与功能景观

在对园林植物功能进行详细总结与分类的基础上,提出了植物功能景观的概念和主要类型,指出了其在园林建设中的意义和具体应用途径.研究认为:园林建设的主要任务即是进行功能景观营建;应用功能景观理论不仅可以指导各类专项功能景观建设,而且还可以用于景观方案设计或现实景观评价.     

基于大数据的人工智能跨境电商导购平台信息个性化推荐算法

传统算法计算与存储开销大,影响推荐结果准确性,不适于含大规模数据的人工智能跨境电商导购平台信息的个性化推荐的。为此,通过大数据技术研究人工智能跨境电商导购平台信息个性化算法,使得大数据技术在Hadoop平台实现,通过Map将任务分解成多个任务,采用Reduce将分解后多任务处理结果集合在一起,获取最终处理结果。通过两个MapReduce与一个map对平台中用户偏好获取算法进行并行化处理。针对用户偏好,通过关联规则挖掘获取和用户偏好相符的商品,推荐给用户。结果表明:所提算法推荐准确率、召回率和平均精度均高于其他算法;所提算法推荐商品符合用户偏好;所提算法推荐商品信息点击率与转换率最优。可见所提算法推荐精度高,推荐商品信息可满足用户偏好,应用性强。     

地下水人工回灌过程中生物堵塞研究进展

地下水人工回灌是应对地下水过度开采最有效的方式之一,而回灌堵塞问题导致回灌效率下降,一定程度上制约了地下水回灌的发展。回灌堵塞根据成因分为物理堵塞、生物堵塞和化学堵塞三种类型,其中生物堵塞是造成回灌堵塞的第二大因素。从生物堵塞的形成机制、对介质渗透性能的影响、在介质内部的发展分布及微生物生长代谢的影响因素等角度对现有的研究进行了总结与分析,当前的研究较多基于单因子研究,较少考虑微生物生长繁殖多因子交互作用,此外,对于微生物生长繁殖及群落演变与介质内部的流动模式相互影响机制的研究也不够深入。     

常德市校园观赏植物资源调查

通过对常德市校园观赏植物种类分类和利用形式的调查,以及兰科植物在园林植物造景中的应用研究,结果表明,常德市校园观赏植物种类资源非常丰富,种类繁多,现有观赏植物256种,隶属94科,其中木本170种,草本78种,藤本8种.其观赏植物群落结构复杂多样,群落垂直结构有一层、两层、三层和多层,常见的为三层.     

蛋坨子岛有毒种子植物多样性研究

蛋坨子岛有毒种子植物共计13科15属15种,占蛋坨子岛现有种子植物种数的28.3%.其中灌木1种,藤本3种,草本11种;有毒植物10种,小毒植物5种.本文分析了蛋坨子岛有毒种子植物种类及分布格局形成的原因.     

基于人工回灌场地典型含水介质的悬浮物堵塞实验研究

地下水人工回灌过程中含水层堵塞问题是制约地下水回灌效率的关键因素,引起含水层堵塞现象中最主要的类型为悬浮物堵塞。通过室内实验的方法,根据石家庄市藁城区梨园人工回灌场地的垂向介质特征,选取3种不同的典型含水介质作为入渗介质,将悬浊水连续注入3种介质中,刻画悬浮物堵塞在场地介质中的发展规律,量化堵塞深度及堵塞速率。实验结果表明:回灌时介质表层的渗透系数随时间逐渐减小,逐渐向介质内部发展时渗透系数随时间先增大后减小。实验介质均在靠近表层的部位发生严重堵塞,堵塞深度与介质粒径大小呈正相关,且在堵塞影响深度范围内,随时间的延长,介质渗透系数降幅不断减小。粗砂比重大的介质表层堵塞速率为0.91/h,细砂比重大的介质表层堵塞速率为0.66/h,中砂比重大的介质表层堵塞速率为0.58/h。介质内部发生堵塞时堵塞速率与相应层位介质的渗透系数呈负相关。     

网络新闻导航形式的进化及其神经网络学解释

重点分析了网络新闻导航的多种环境、工具及其导航方式与特点，并从神经网络结构的角度探讨了网络新闻导航的现状与未来。     

智能交通系统与智能铁路交通系统分析

智能交通系统对有序发展的公路交通极为重要 ,对发展中国家发展智能铁路交通系统更具重要性 .本文对ITS和IRTS作对比分析 ,指出它们之间相同性、相似性 ,也指出IRTS的开发有它自己的特点 ,有些在ITS中应用的关键技术 ,不一定是IRTS中的重要技术 .开发IRTS ,诸如 :智能化列车制动问题、移动自动闭塞系统、空车的智能化调度问题、列车运行的智能化调度问题、智能化列车编组问题等 ,对中国铁路开展IRTS具有一定的战略意义     

Colorant Formulation Using 3 - layer Artificial Neural Networks

The colorant formulation using artificial neural networks (ANN) was investigated in this study. A simple 3 -layer, input - hidden - output system was constructed for the recipe formulation of one - , two - , and three -dye mixtures. Comprehensive tests were carried out to explore the properties of a 3 - layer simple ANN systematically . These properties include number of neurons in the hidden layer, learning rate of the network, momentum factor of the network, as well as the number of epochs for the learning process. The tests show accurate results for one - and two - dye mixtures while less accurate but comparable results to conventional colorant formulation systems for three - dye mixtures. It is also found that the optimum values of the neural network parameters are important towards the accuracy of the colorant formulation.