您当前所在位置: 首页 > 学者
在线提示

恭喜!关注成功

在线提示

确认取消关注该学者?

邀请同行关闭

只需输入对方姓名和电子邮箱,就可以邀请你的同行加入中国科技论文在线。

真实姓名:

电子邮件:

尊敬的

我诚挚的邀请你加入中国科技论文在线,点击

链接,进入网站进行注册。

添加个性化留言

已为您找到该学者13条结果 成果回收站

上传时间

2005年02月24日

【期刊论文】One e-Business Technical Model Based on ebXML Framework

吴祈宗, Chen Ning, Wu Qizong, Chang Shiyan

,-0001,():

-1年11月30日

摘要

With the development of global economic, e-Business will play a more important role than ever. This paper introduces the contributions of XML to e-Business and ebXML architecture. In effort to maximize the openness and equality of e-Business, we propose one e-Business technical model based on ebXML framework. At last, we discuss the necessary future work.

XML, e-Business, ebXML, model

上传时间

2008年01月11日

上传时间

2005年02月24日

【期刊论文】层次分析法中矩阵的判断一致性研究

吴祈宗, 李有文

,-0001,():

-1年11月30日

摘要

目的研究层次分析法中判断矩阵可接受性及一致性的改善问题。方法引入"判断一致性矩阵"概念,利用判断平均特性修正矩阵的方法,进行层次分析法(AHP)的灵敏性分析研究,在严格证明了理论结果的基础上,对更一般的情况进行了统计模拟。结果与结论判断一致性为在实际应用中合理接受判断矩阵打开了一个新的思路;利用判断平均特性修正矩阵法可以有效地改善判断矩阵的一致性,对层次分析法(AHP)的科学运用有重要意义。

层次分析法,, 判断矩阵,, 一致性

上传时间

2005年02月24日

【期刊论文】基于遗传算法和模拟退火算法优化神经网络的铁路营业里程预测

吴祈宗, 侯福均

北京理工大学学报,2004,24(3):247-250,-0001,():

-1年11月30日

摘要

提出应用遗传算法(GA)和模拟退火(SA)优化神经网络预测铁路营业里程Z采用3层前馈神经网络实现铁路营业里程的时间序列预测,输入节点数为5,隐层节点数为8,输出节点数为1。对神经网络的连接权重和节点阈值的确定,采用GA和SA算法相结合的混合优化学习策略。两种算法结合时,SA算法处于外层,GA处于内层。GA采用实数编码,把要确定的神经网络节点连接权重和节点阈值作为基因串。数值计算结果表明混合优化的神经网络的学习速度和精度都比单纯BP算法得出的结果好。因此,用GA-SA混合优化的神经网络预测铁路营业里程是可行的。

BP神经网络, 遗传算法(, GA), , 模拟退火(, SA), 算法, 铁路营业里程, 时间序列预测

上传时间

2005年02月24日

【期刊论文】基于人工神经网络的50CrMoA钢应力强度因子幅度门槛值ΔKth的预报

吴祈宗, 侯福均

中国铁道科学,2003,24(3):130-132,-0001,():

-1年11月30日

摘要

应力强度因子幅度门槛ΔKth值受多个非线性因素的影响。在人工神经网络研究领域中,已经证明具有任意个隐层节点的前馈神经网络可以以任意精度逼近一个连续函数,因而在模式识别和函数逼近上得到普遍应用。基于该原理,采用人工神经网络的反向传播算法研究50CrMoA钢应力强度因子幅度门槛值ΔKth的预报,使BP神经网络在ΔKth值预报中的应用得以实现。应用实验数据比较表明:利用神经网络得到的输出值与实验值之间最大误差为1.6392%,说明该模型在学习样本数据的基础上,可以对应力强度因子幅度门槛ΔKth值进行预测。且具有预测精度较高、方法简便易行的特点,并有很强的学习和容错功能。

钢材, 强度因子, 门槛值, 预报

合作学者

  • 吴祈宗 邀请

    北京理工大学,北京

    尚未开通主页