為您找到相關(guān)結(jié)果 3935 篇
-
平臺采用統(tǒng)一的操作界面連接行業(yè)主流近紅外儀器，實現(xiàn)儀器的注冊與管理、光譜采集參數(shù)的設(shè)置、光譜數(shù)據(jù)采集與傳輸、模型預(yù)測結(jié)果反饋、光譜采集質(zhì)量監(jiān)控等功能。與采集平臺配套的近紅外大數(shù)據(jù)云平臺
-
福特集團對海煙薄片的技術(shù)需求開展了深入討論。以生產(chǎn)出優(yōu)良高端產(chǎn)品為目標，海煙薄片提出了“八個步驟的改進模型”。該模型從技術(shù)改進入手，不斷優(yōu)化薄片打漿工藝及設(shè)備，
-
：一、制備建模樣品；二、建立煙絲填充值的數(shù)學(xué)模型；三、檢測樣品的填充值：利用所建立的近紅外光譜分析模型掃描樣品的近紅外光譜，即可
-
值超出預(yù)設(shè)閾值，獲取加工煙料的加水模型，并基于煙料水分偏差值和加水模型獲取加水修正系數(shù)；其中，加水模型是基于與加工煙料同種類的多個煙料樣品的加水
-
圓周數(shù)據(jù)集訓(xùn)練煙支圓周調(diào)整模型，得到煙支圓周調(diào)整值數(shù)據(jù)集和決定系數(shù)，決定系數(shù)用于表征煙支圓周調(diào)整模型的擬合程度；決定系數(shù)在第一預(yù)設(shè)閾值范圍內(nèi)，且煙
-
；根據(jù)含低可用性煙葉、生物酶、酶助劑、組配煙葉的作用和感官品質(zhì)分數(shù)，給出用量范圍；建立輸入層、隱含層和輸出層的神經(jīng)網(wǎng)絡(luò)模型；建立神經(jīng)網(wǎng)絡(luò)模型計算
-
有效過程變量進行時序匹配；提取所述達到均衡后的樣本的特征；將所述樣本的特征輸入bagging集成分類器模型并訓(xùn)練所述bagging集成分類器模型；使用測試后
-
;公開了一種煙草打葉工藝參數(shù)獲取方法、裝置及設(shè)備，該方法包括構(gòu)建葉片結(jié)構(gòu)預(yù)測模型；將煙草樣本輸入葉片結(jié)構(gòu)預(yù)測模型，得到其葉片結(jié)構(gòu)特征預(yù)測值；根據(jù)
-
：以煙支重量的標準偏差作為響應(yīng)變量，以影響卷煙重量的參數(shù)為自變量，對響應(yīng)曲面的參數(shù)進行優(yōu)化設(shè)計，得到響應(yīng)曲面回歸模型；根據(jù)響應(yīng)曲面回歸模型
-
；S4：采用帶交叉驗證的網(wǎng)格搜索算法，優(yōu)化隨機森林分類模型的參數(shù)組合，選擇平均分類精度最高的隨機森林分類模型作為復(fù)烤片煙工業(yè)使用價值預(yù)測模型
