基因算法辅助人工神经元网络的结构设计

提出了以基因算法为基础的人工神经元网络结构设计基础。首先从连接权的演化入手,研究了基因算法的实现过程。在结构设计中,提出了稀疏化的编码方法。仿真结果表明这种优化方法对于神经网络的选取是有效的。     

“基因算法”在人工神经元网络中的应用

在使用著名的ＢＰ算法来训练一个多层毅向神经网络时，首先要确定这个神经元网络的主结构以及网络的各种初始化参数，但拓扑结构和各种参数的确定到目前为止还无确定的规则可寻。本研究将基因算法引入人工神经元网络。通过它来自动确定神经元网络的拓扑结构以及具体参数，并给出了基因算法在神经元网络应用中的具体实现。     

应用Matlab设计人工神经元网络控制系统

在简要介绍Matlab5.3软件的基础上，结合它的神经网络工具箱，阐述了在Matlab软件中利用神经元网络工具箱（Neural Network Toolbox)和Simulink平台建立人工神经元网络模型以及实现人工神经元网络控制系统的设计、仿真和动态性能分析的方法，并以倒立摆控制系统为例进行了仿真研究。文中的具体实例表明，在人工神经元网络及其应用研究中使用Matlab可以提高研究效率，快速实现研究构想，有助于科学研究工作的开展。     

基于人工神经元网络的图象重建

文章探讨利用人工神经元网络重建图象的方法 ,并讨论经过改进的 Hopfield网络的基本模型及其实现算法。研究完成了同步跳变、异步跳变和混合跳变等算法在图象重建中的实现 ,最后将衰减最大能量神经元准则应用于上述算法中。实验证明收敛的迭代步骤减少 ,收敛精度提高。     

面向顶板类型识别的人工神经元网络模型

基于地下岩体赋存环境复杂性的特点，采面顶板类型识别问题是一个比较复杂的问题，它受制于岩石强度Ｒ＿ｃ、裂隙间距Ｉ、分层厚度ｈ、垮落步距Ｌ等众多的影响因素，这是一典型的复杂非线性系统问题，因而用传统数学方法所建模型误差较大。本文运用人工神经元网络建立了采面顶板类型识别的神经网络模型，进行了实例研究，并同用模糊数学方法所建模型进行了对比。图１，表１，参８。     

人工神经元网络及神经计算机的教育学

对于设计人工神经元网络(ANN)或神经计算机来说,一个最为重要的方面就是学习。如以什么样的算法进行学习?提供什么样的学习素材?以什么样的方式学习?怎样安排学习过程等等?我们认为这些活动非常类似于人的教育过程,基于这一认识,我们提出了ANN及神经计算机教育学的基本思想和基本方法。     

一个基于人工神经元网络的决策支持系统

运用人工神经元网络的学习优点，针对一类多级指标体系进行综合评价的决策问题构造一种支持非结构化决策问题的系统模型，并利用该系统模型建立一个企业出口潜力决策支持系统，试图对企业出口潜力进行综合评价．     

人工神经元网络在辊道窑炉温度过程建模中的应用

研究了应用ＢＰ网络在辊道窑炉温度过程中建立数学模型的方法．所研究的辊道窑炉的烧成段有八个区，靠燃料阀门开度调节温度．选取三层网络，辊道窑炉烧成段各区的燃料阀门开度作为网络的输入，各区的温度作为网络的输出，隐层节点数取１０，建立温度过程数学模型．通过计算机仿真计算和实测温度曲线比较，满足误差范围要求．证明人工神经网络建立的数学模型能较准确计算辊道窑炉参数，为实现辊道窑炉生产过程的优化研究奠定了基础     

人工神经元网络在液压机行程停位控制中的应用

液压机行程停位精度是液压机先进性能的主要衡量指标，它直接影响着锻件产品的加工质量及液压机自动化生产。作者采用人工神经元网络来提取液压机工况条件和超程值之间的一般关系，并将其用于超程预测，从而实现了高精度停位控制。研究及大量试验表明：该方法不仅具有停位精度高及稳定性好等特点，而且这种控制系统的控制能力可以在液压机生产过程中具有不断提高的智能特性。该方法在３．１５ＭＮ液压机上的停位控制精度已能达到±０．５ｍｍ．     

聚合物微观质量控制系统中的人工神经元网络

文中分析了聚合物微观质量控制系统对模式识另模块提出的任务与要求，并在此基础上确定了人工神经元网络的结构．作者阐述了利用采集的系统数据对神经元网络进行训练和验证的过程，及首次应用人工神经元网络实现聚合物微观质量控制系统中模式识别的功能．     

人工神经网络在色谱中的应用

综述了近几年来人工神经网络用于色谱研究中的进展。主要体现在用人工神经网络方法预测色谱保留值、优化色谱分离条件、自动监控色谱仪运行以及揭示色谱数据的隐含信息方面,并展望了人工神经网络在色谱中的应用前景。     

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。     

人工神经网络研究现状及其展望

回顾了神经网络理论发展的历史和现状。在此基础上，介绍并讨论了20世纪90年代神经网络研究的一些新进展。根据神经网络研究的特点，对人工神经网络今后的发展前景作了一定的评述，人工神经网络的研究与发展必将对现代科学技术产生深远的影响．     

基于人工神经网络技术的投标前期决策

针对投标前期决策中常用决策分析方法未能有效解决影响因素之间、影响因素与决策结果之间的复杂非线性关系的问题,通过调查、比较和分析,结合人工神经网络分析方法的要求,确定了投标前期决策影响因素的指标体系.将人工神经网络技术应用于投标前期决策,应用定量法和模糊综合评价法提出相应指标的量化标准及方法,据此构建了具有较好泛化学习能力及较好学习速度的人工神经网络投标前期决策模型.在MATLAB平台上,开发出人工神经网络投标前期决策模型应用系统.通过工程实例证明,此方法能有效应用于施工企业的前期投标决策.     

基于神经网络的智能控制系统

论述了人工神经网络的产生与发展,以及人工神经网络在控制系统中的应用现状,分析了人工神经网络的特点和监视控制系统的原理,并对神经网络控制系统的前景做了展望。     

人工神经网络在手感评定中的应用

针对现有的手感评定方法在识别准确性,容错性和适应性方面存在的问题,提出了用4个检测模型产生手感信号,并用BP神经网络处理信号的具体方法和步骤.实验证明,BP神经网络具有较好的自适应模式识别能力和容错性.     

BP人工神经网络在聚合物溶液体系活度预测中的应用

应用不同BP人工神经网络对不同聚合物溶液体系的活度进行了训练,共12个系统,613个数点,总的平均相对误差为0．0263,在采用相同BP人工神经网络对聚合物PS与不同溶剂溶液体系的活度进行试练时,总的平均相对误差为0．0212,而利用相同BP人工神经网络对同一聚合物不同溶剂溶液体系的活度进行预测时,总的平均相对误差为0．0484。     

Groundwater Level Predictions Using Artificial Neural Networks

IntroductionThe prediction of groundwater level fluctuation fordifferent natural conditions and usage rates is ofgreat importance for the use and management ofgroundwater resources.However,groundwaterlevel fluctuations are influenced by many factors,such as precipitation,infiltration,usage and thehydro- geological properties of the aquifer.Therefore,the groundwater level fluctuations arecomplicated and difficult to predict,especially indeep areas.Wells are commonly drilled tounderstand aquifer…