检索范围：
排序： 展示方式：
李德毅,刘常昱,淦文燕
《中国工程科学》 2011年 第13卷 第4期 页码 20-23
李德毅,刘常昱
《中国工程科学》 2004年 第6卷 第8期 页码 28-34
分布函数是分析随机现象的重要工具，正态分布是最重要的概率分布，在自然科学和社会科学中应用广泛；隶属函数是模糊集合的基石，正态隶属函数也有广泛的应用。云模型把随机性和模糊性结合起来，用数字特征熵，揭示随机性与模糊性的关联性，并用来表示一个定性概念的粒度。正态云模型通过期望、熵和超熵构成的特定结构发生器，生成定性概念的定量转换值，体现概念的不确定性。这种特定结构不但放宽了形成正态分布的前提条件，而且把精确确定隶属函数放宽到构造正态隶属度分布的期望函数，因而更具有普遍适用性，更简单、直接地完成了定性与定量之间的相互转换过程。
路峰,吴慧中
《中国工程科学》 2008年 第10卷 第10期 页码 84-90
卞有生,王天喜,陈正龙,崔斌
《中国工程科学》 2002年 第4卷 第7期 页码 17-22
文章在对胜利油田生态农场系统结构分析的基础上，根据农场规划目标，建立了由投入产出模型和线性规划模型相结合的经济发展数学模型。应用该模型指导农场的经济建设，取得了 极好的效果，证明所建立的模型是正确的。
李德毅
《中国工程科学》 1999年 第1卷 第2期 页码 41-46
文章提出了定性和定量之间转换的云模型的形式化表示方法，用来反映语言值中蕴涵的模糊性和随机性，给出云发生器的生成算法，解释多条定性推理规则同时被激活时的不确定性推理机制。
王正新,党耀国,刘思峰
《中国工程科学》 2012年 第14卷 第7期 页码 98-102
针对工程中大量存在的非等间距序列的建模问题，提出了非等间距GM(1, 1)幂模型。以平均相对误差绝对值最小化为目标，以模型参数之间的关系为约束，构建了一个非线性优化模型实现非等间距GM(1, 1)幂模型的参数估计。结果表明，非等间距GM(1, 1)幂模型的形式较为灵活，非等间距GM(1, 1)模型和灰色Verhulst模型均是非等间距GM(1, 1)幂模型的特殊情形，幂指数的优化有利于提高建模精度。最后通过一个工程实例验证了非等间距GM(1, 1)幂模型的有效性与实用性。
一种面向CAD装配模型具有完整性校验的新型属性加密方法 Article
杨月婷, 何发智, Soonhung Han, 梁亚倩, 程媛
《工程（英文）》 2021年 第7卷 第6期 页码 787-797 doi: 10.1016/j.eng.2021.03.011
云制造是实现智能制造的三大关键技术之一。本文提出了一种新的基于属性的计算机辅助设计（CAD）装配模型加密方法，有效地支持云制造中协同设计场景的层次访问控制、完整性验证和变形保护。设计了装配层次访问树（AHAT）作为层次访问结构。所提出的ABE框架具有将变形保护方法与CAD模型的内容保密性相结合的能力。在标准假设下，所提出的加密方案被证明是安全的。在典型的CAD装配模型上进行的实验仿真表明，该方法在应用中是可行的。
基于动态占用网格改进概率模型的换道辅助策略 Research Articles
杨正才1,2,高振海1,高菲1,武馨宇1,何磊1
《信息与电子工程前沿（英文）》 2021年 第22卷 第11期 页码 1492-1504 doi: 10.1631/FITEE.2000439
关键词： 占用网格；概率模型；换道辅助
潘玉良,吴立群,张云电
《中国工程科学》 2004年 第6卷 第5期 页码 49-51
介绍了W－M分形模型参数（D,G,γ）的物理含义，研究了分形参数（D,G,γ）与粗糙度参数Ra之间的联系，导出了分形参数（D,G,γ）与粗糙度参数
李静,高飞,秦素娟,温巧燕,张平
《中国工程科学》 2023年 第25卷 第6期 页码 80-95 doi: 10.15302/J-SSCAE-2023.06.010
化学中的机器学习——基础与应用 Review
史云飞, 杨正新, 马思聪, 康沛林, 商城, 胡培君, 刘智攀
《工程（英文）》 2023年 第27卷 第8期 页码 70-83 doi: 10.1016/j.eng.2023.04.013
过去的十年间，机器学习在科学研究中的应用急剧增加。这篇综述介绍了机器学习的基本组成部分，包括数据库、特征和算法，并着重介绍了机器学习在化学领域取得的一些重要成就。介绍了一些化学方面最流行的数据库，这些数据库来自实验或理论模拟，收录了有关小分子或固体材料的各种数据。简要介绍了部分重要的表示小分子和固体材料化学环境的二维和三维特征。综述了决策树和深度学习神经网络算法，重点介绍了它们的框架和典型应用场景。讨论了机器学习在化学中的三个重要应用领域：①逆合成分析，通过机器学习预测有机物的合成途径；②原子模拟，利用机器学习势函数加速势能面采样；③多相催化，使用机器学习辅助催化设计中从合成条件优化到反应机理探索的各个方面。最后对机器学习在化学中的应用前景进行了展望。
标题 作者 时间 类型 操作
张正彦：融合知识的预训练语言模型（2020年4月3日）
2022年04月18日
会议视频
京公网安备 11010502051620号
