為您找到相關(guān)結(jié)果 3866 篇
-
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?jǐn)?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(jìn)行時序匹配；提取所述達(dá)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(biāo)準(zhǔn)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(jìn)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(jī)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(jī)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
-
合適的算法模型。在推進(jìn)過程中，項目組將歷史數(shù)據(jù)與實(shí)時數(shù)據(jù)代入回歸樹（CART）、梯度提升決策樹（GBDT）、隨機(jī)森林等六種算法模型
-
發(fā)明實(shí)施例涉及煙草加工領(lǐng)域，提供了一種煙絲摻配過程均勻性的判斷方法，包括：將運(yùn)輸主煙絲的煙絲皮帶進(jìn)行測量，構(gòu)建主煙絲的模型；將同
-
流程及管理模型構(gòu)建的方法和意義。
二期培訓(xùn)結(jié)束后，該廠迅速組織各相關(guān)部門指派的骨干力量，全面投入到“流程地圖”的構(gòu)建當(dāng)中，力爭用一個月的時間，
