-
题名利用亚硝酸盐的反硝化除磷菌及影响因素
被引量：15
- 1
-
-
作者
刘晖
周康群
刘开启
周遗品
刘洁萍
-
机构
广州仲恺农业技术学院环境科学和环境工程系
-
出处
《环境科学与技术》
CAS
CSCD
北大核心
2006年第7期14-16,41,共4页
-
基金
广东自然科学科学基金资助项目(04009663)
-
文摘
反硝化聚磷菌(DPB)是一类能够在厌氧状态下释磷,缺氧存在硝酸盐(NO3-)或亚硝酸盐(NO2-)的情况下聚磷,并同时反硝化的聚磷菌。实验证明:传统A2/O工艺缺氧段污泥确实存在利用亚硝酸盐的反硝化聚磷菌,PO、PON和PONO各占聚磷菌的40.7%、38.5%,20.8%。最佳的进水C/N/P为16∶4∶1且COD<200mg/L;pH值为7～7.5。聚磷菌在ORP<-80mV开始吐磷,在ORP值在-150mV左右能较好地吐磷,投加亚硝盐使ORP>-80mV,开始反硝化聚磷。
-
关键词
亚硝酸盐
反硝化聚磷菌
缺氧
PO
PON
ponn
-
Keywords
nitrite
denitrifying phosphorus removal bacteria
anoxic
-
分类号
X132
[环境科学与工程—环境科学]
-
-
题名基于优先排序的神经元适配分割算法
- 2
-
-
作者
刘文丽
杨国为
李长红
-
机构
青岛大学电子信息学院
-
出处
《青岛大学学报（工程技术版）》
CAS
2017年第4期59-62,共4页
-
文摘
为进一步优化优先度排序神经网络(priority ordered neural network,PONN),提高PONN的分类识别能力,本文提出了一种基于优先度排序的神经元适配分割算法,优化、改进已有的PONN算法。该算法能在PONN中每个神经元球面尽可能多的分隔同类样本,在包含同类样本邻域的同时,不侵占异类样本邻域(即异类样本到球面最短距离不小于特定数θ)。实验结果表明,与传统的PONN算法相比,无论是紧凑型还是稀疏型的样本,改进后的PONN算法识别率都提高了5%左右,而且能更高效的识别出手写体数字。该研究保证每个神经元尽可能多的识别样本,具有一定的实际应用价值。
-
关键词
ponn
增量学习
遍历样本选取中心向量法
前馈神经网络
-
Keywords
ponn
incremental learning
TSSC
feedforward neural network
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名优先排序神经网络K网覆盖分类研究
被引量：1
- 3
-
-
作者
朱世交
王真
廖明军
-
机构
同济大学计算机科学与工程系
同济大学半导体与信息技术研究所
同济大学交通运输工程学院
-
出处
《计算机应用》
CSCD
北大核心
2007年第2期330-332,共3页
-
文摘
从高维空间特征点覆盖的角度,讨论了优先度排序神经网络(PONN)算法,提出了非各向同性的K网覆盖算法(KPA)算法,最后给出标准测试集和应用测试集的比较结果,并对其与各向同性覆盖中心适配选择算法(CASA)进行了分析与比较,实验结果表明KPA算法在样本连续性构造方面优于CASA算法。
-
关键词
优先排序神经网络
模式识别
拓扑空间
-
Keywords
Priority Ordered Neural Network （ponn）
pattern recognition
topology space
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名前馈优先排序神经网络的构造算法及分析
- 4
-
-
作者
朱世交
杨磊
王守觉
-
机构
同济大学计算机科学与工程系
同济大学半导体与信息技术研究所
-
出处
《计算机科学》
CSCD
北大核心
2007年第5期171-174,共4页
-
文摘
本文从高维空间特征点覆盖的角度,讨论了优先度排序神经网络(PONN)原理与构造算法,提出了各向同性的随机分割算法(RPA)和中心选择算法(CSA),最后给出标准测试集的分类测试结果,并对其进行了分析与讨论,实验结果表明PONN构造方法优于传统前馈神经网络。
-
关键词
优先排序网络
模式识别
拓扑空间
-
Keywords
ponn, Pattern recognition, Topology space
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名结合优先度排序神经网络的样本点分块拟合研究
- 5
-
-
作者
朱世交
杨珺
-
机构
上海电力学院电子与信息工程系
-
出处
《计算机应用》
CSCD
北大核心
2009年第3期862-864,共3页
-
基金
上海市重点科技攻关计划资助项目(071605125)
-
文摘
样本点拟合是动态构造神经网络应用的重要研究领域。从输入输出映射的角度,依赖输出样本点优先关系,结合优先度排序神经网络把输入样本集合划分为不同子集,动态构造优先度排序神经网络对各个子样本集进行映射,对样本点进行分块并行神经网络构造,提高神经网络的训练速度。最后,通过对不同类型样本集进行测试,实验结果表明该算法能有效地减少拟合误差。
-
关键词
优先排序神经网络
拟合
拓扑空间
-
Keywords
Priority Ordered Neural Network（ponn）
regression
topology space
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于知识规则的构造性优先排序神经网络算法
- 6
-
-
作者
谷秧波
武妍
朱世交
王守觉
-
机构
同济大学计算机科学与工程系
同济大学半导体与信息技术研究所
-
出处
《计算机应用》
CSCD
北大核心
2008年第7期1645-1648,共4页
-
基金
国家自然科学基金资助项目(60475019)
-
文摘
从高维空间样本点覆盖的角度,讨论了基于知识规则的构造性优先排序神经网络(PONN)算法的原理,提出了网络构造过程的一般算法以及基于随机取样规则和重心点规则的两个实例算法。实例算法对螺旋线识别和语种识别进行了仿真。实验结果证明了算法的有效性。语种识别实验结果也表明基于重心规则的PONN算法在一定条件下优于SVM。
-
关键词
优先度排序神经网络
知识规则
覆盖
-
Keywords
Priority Ordered Neural Network （ponn）
knowledge rule
coverage
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
