人工神经网络在炼铁工序能耗分析中的应用

以节能降耗为基本出发点,借助大量的统计数据,运用BP算法对企业工序能耗进行了系统地分析。研究结果表明用神经网络BP算法构造的网络模型,用于练铁工序能耗多因素的定量分析是可行的。这种方法尤其适用于一般数学模型难以描述的非机理型相关因素的定量分析。     

人工神经网络在红霉素发酵过程状态预估中的应用

探索了动态ＢＰ网络和ＲＢＦ网络在红霉素发酵过程状态预估中的应用,比较了它们的收敛速度和学习能力。结果表明,ＢＰ网络和ＲＢＦ网络都具有相当好的学习能力,但ＲＢＦ网络的收敛速度更快,训练好的神经网络,在红霉素发酵过程中可在线预估出红霉素效价、葡萄糖浓度、ＮＨ２－Ｎ浓度、丙醇浓度和菌体浓度等参数值,并可在进上步的过程优化和控制中应用。     

人工神经网络在地震分析预报中的应用

为了探索人工神经网络应用于地震分析预报的可能性,以福建及其周边地区地震活动为例,采用ｂ值、地震频次、地震能量释放、空间集中度４项地震活动性指标作为神经网络的输入,用具有Ｓ－型特性函数的ＢＰ网络对由每年地震的活动指标组成的标准样本进行训练,由训练结束后的权值和阈值及待预报样本的因子测值计算出网络输出值,作为地震活动性的预测．结果表明,用神经网络可以在一定精度范围内使震级预报的内检符合率达１００％,在例子中,外推预报准确率达８８％以上．     

人工神经网络在工业控制领域中的应用

将BP神经网络引入到对焊缝成形信息进行预测，并在此基础上设计逆向神经网络模型，通过控制焊接工艺参数，达到实现预期焊缝形状的目的。通过比较发现神经网络的预测精度较高，同时其反向控制系统可以对焊接工艺参数予以实时监控，实现预期控制目标。由此得出结论：神经网络在工业控制领域的应用范围广阔，前景可观。     

基于人工神经网络的人脸识别分类器设计

为了提高人脸识别系统的自适应性,采用BP神经网络对抽取出的人脸特征进行识别。对人工神经网络、BP网络应用于人脸识别的过程做了简要介绍。并通过仿真实验加以验证。     

人工神经网络在数字字符识别中的应用

本文首先提出了在信息技术发展下，传统的图形图像处理方法可能无法满足需要，从而引出人工神经网络这一新型学科。接着阐述了人工神经网络在数字字符识别方面的应用。这其中应用到了神经网络字符识别系统和BP神经网络模型等关键技术，并对BP神经网络的设计考虑了改进。最后得出了条件不同，解决的方法也不尽相同的情况下，数字字符识别的研究仍具有理论和实践意义。     

人工神经网络在电力系统短期负荷预测中的应用

根据电力系统短期负荷变化的特性,提出BP模型在实际负荷预测应用中的方法和步骤．对BP网络结构、样本空间、收敛性等作了有针对性的研究．结果表明：多层神经网络应用于电力系统短期负荷预测是可行和有效的．其预报结果比传统的负荷预测方法更准确、经济、效果更好．     

人工神经网络模型在瓦斯预测中的应用

通过对神经网络的基本原理和学习算法的分析,建立了基于瓦斯涌出量预测的BP网络应用模型,采用Delphi编程语言,预测了瓦斯的涌出量,并结合实例进行了验证。     

人工神经网络模型在瓦斯预测中的应用

通过对神经网络的基本原理和学习算法的分析,建立了基于瓦斯涌出量预测的BP网络应用模型,采用Delphi编程语言,预测了瓦斯的涌出量,并结合实例进行了验证.     

人工神经网络在地下水动态预测中的应用

应用人工神经网络中的BP算法，根据地下水动态的时间序列数据，建立地下水动态模型，对地下水动态进行模拟和预测，并与灰色－周期外延组合模型方法及数据处理组合方法的结果进行比较，结果表明，其预测精度较高，说明神经网络方法不仅简单、实用，又具有很强的处理地下水动态非线笥及周期性变化问题的能力，可以在地下水动态等方面广泛使用。     

启动压力梯度预测的人工神经网络方法

针对低渗透多孔介质中存在启动压力梯度的问题,分析了影响启动压力梯度的主要因素.采用BP人工神经网络的方法对启动压力梯度进行预测,并结合岩心实际测定的启动压力梯度进行验证.研究结果表明,BP人工神经网络是一种较为有效的预测方法,具有较高的精度.该方法的应用,可以为低渗油田的开发提供可靠的基础数据,节省人力物力.     

神经网络的应用与展望

基于对BP神经网络理论的基本分析,重点探讨了神经网络与遗传算法的结合。在此基础上,给出了神经网络的研究热点与发展方向。     

人工神经网络在ZnO压敏陶瓷材料研究中的应用

本文将人工神经网络应用于ＺｎＯ压敏陶瓷电性能参数的预测。结果表明ＢＰ网络运用于处理象ＺｎＯ压敏陶瓷材料预测这类从配方工艺到性能能数的非线性问题，该方法可望成为电子陶瓷材料研究的有效的辅助手段。     

交叉口多相位神经网络智能控制

针对城市交叉口交通流的特点和普遍存在的拥挤问题,以F-B配时理论为基础,提出了一种基于神经网络的交叉口多相位智能控制,并以镇江市大市口为例,在调查了大量的交通流数据的基础上,描述了建立网络的方法,给出了学习算法,仿真结果表明,该神经网络控制器具有良好的学习和泛化能力,实时性良好．     

计算机软件质量综合评判的人工神经网络模型

根据单指标评价标准,通过在规定的区间范围内随机取值生成足够多的训练样本、检验样本和测试样本,遵循误差反传（BP）网络建模基本原则和步骤,建立可靠、有效的软件质量综合评价模型,克服了物元模型、灰色模型等方法存在受人为因素影响及定性评价等缺陷．对6个模拟样本和8个实际软件的评价表明,本文提出的样本生成方法、建模过程能有效避免出现过训练和过拟合现象,建立的BP模型具有较好的泛化能力、可比性和客观性;各评价指标与软件质量等级之间存在明显的非线性关系,可靠性指标对软件质量等影响最大．     

人工神经网络在矿井突水预报中的应用

突水预报是一项重要的矿井水文地质工作。借助于人工神经网络在处理非线性问题或非结构问题方面的优势,采用BP算法,基于大量矿井突水样本实例建立了突水预报神经网络模型,并将该模型用于实际预报,并取得了较好的效果。结果表明,模型具有较强的实用性。为了提高模型的预测精度,在训练样本的选择上还应具有一定的代表性。     

基于改进的人工神经网络方法预测CTL表位

为简化细胞病毒T细胞(cytotoxicity T lymphocytek, CTL)表位鉴定方法,应用改进的人工神经网络方法定量研究了短肽与MHC(major histocompatibility complex)分子结合亲合力的关系,并建立了CTL表位的预测模型,得到了预测模型最优性能参数.用此模型对短肽与HLA-A*0201分子结合的805个预测样本进行了预测,预测准确度达到73.8%.对来自黑色素MAGE-2的短肽与MHC分子的结合亲合力也进行了预测,结果较好.     

基于人工神经网络的火控系统故障诊断

阐述了人工神经网络的基本原理,研究分析了BP神经网络的缺陷并提出了优化策略。在此基础上,将BP神经网络应用于火控系统故障诊断之中,提出了基于此网络的火控系统故障诊断模型、实现方法和优点。     

BP神经网络的改进及其应用

在分析BP神经网络建模步骤的基础上,针对BP神经网络某些不足,提出了几点改进措施。首先对原始数据进行了非线性规格化;其次,提出了记忆式初始权值和阀值;最后以确定性系数最大为依据进行参数优选,并将改进后的BP神经网络应用于需水量预测。结果表明,改进后的BP神经网络不仅提高了BP神经网络预测的精度,而且加快了BP网络运行时的收敛速度。