简介：传统的深度信念网络模型缺乏并行有效的算法来确定网络层数以及隐藏层神经元的数目,实验时大多依据经验来选取,这样做不仅使得模型训练困难,且范化能力差,影响实验结果.针对此问题,通过比较重构误差和验证集错误分类率的乘积（加权误差）大小来选取网络层数,网络层数确定后,再根据重构误差使用渐增法或二分法来选择合适的隐层神经元数目,以使整个模型达到最优.实验结果表明,用上述方法确定模型网络层数及隐藏层神经元数目,能有效提高模型分类或预测的精度.

简介：随着国家对环境预警监测能力建设投入的加大以及地表水质监测技术的日趋成熟,氨氮在线监测仪在水质自动预警监测系统中得到了更为广泛的应用。为了确保氨氮在线监测仪量值的准确性和一致性,必须采用有效的手段对其量值进行溯源。本文在给出氨氮在线监测仪示值误差数学模型的基础上,对氨氮在线监测仪进行标准不确定度分量的A类评定和B类评定,在B类评定中综合考虑了稀释定容过程引入的不确定度、稀释取液过程引入的不确定度以及氨氮标准溶液引入的不确定度。经过合成得出氨氮在线监测仪测量结果的相对扩展不确定度为2.4%,满足氨氮在线监测仪检定要求。

简介：目的：评价毛细管气相色谱测定室内空气中苯系物的分析误差。方法：对空白溶液、0．1c标准溶液、空气样品、加标空气样品，采用精密度和偏性质量控制程序进行质控试验。结果：4种试样的批内批问变异分析（F〈F0.05）,4种试样的总标准差（st）均小于其各自浓度的5％（w），准确度的置信限R／d为0．97。结论：证实了用该方法测室内空气中苯系物是可行的。