典型文献
深度学习在炼钢过程中的研究进展及应用现状
文献摘要：
炼钢过程是极其复杂的工业场景,影响因素多且安全性要求极高,是当前深度学习尚未大规模应用的领域之一.在对深度学习的原理和类型进行梳理的基础之上,结合国内外应用实例,总结了深度学习在炼钢过程中的发展历程与研究现状.指出了深度学习在炼钢过程中应用主要有特征提取简单、泛化能力强、模型可塑性高的优势,同时也面临数据依赖性高、预处理难度大、生产安全性有待验证的挑战.提出了未来随着高精度传感器的应用、物联网的普及、计算硬件的迭代、以及算法的创新,深度学习模型可以更加有效地应用于炼钢的更多场景中,将推动冶金工业智能化发展.
文献关键词：
炼钢过程;深度学习;神经网络;应用场景;数据处理;非线性;智能化
中图分类号：
作者姓名：
王仲亮;顾超;王敏;包燕平
作者机构：
北京科技大学钢铁冶金新技术国家重点实验室,北京100083
文献出处：
引用格式：
[1]王仲亮;顾超;王敏;包燕平-.深度学习在炼钢过程中的研究进展及应用现状)[J].工程科学学报,2022(07):1171-1182
A类：
B类：
炼钢过程,工业场景,习尚,国内外应用,应用实例,泛化能力,可塑性,数据依赖,生产安全,传感器的应用,计算硬件,深度学习模型,多场景,冶金工业,工业智能化,智能化发展
AB值：
0.322023
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
