饱和粘土本构关系的神经网络模型

基于不同应力中径下饱和粘土的三轴试验和反问题理论，提出了用改进BP神经网络和径向基函数（RBF）神经网络这两种方法来建立粘土的本构模型。实例分析表明，两种模型对具体本构关系都能够很好逼近和预测，比较起来，径向基函数神经网络模型的稳定性好，且逼近速度快，而改进BP神经网络稳定性好，但逼近速度过慢。     

土本构模型的有限元-神经网络耦合模拟

根据土样结构试验,将土的神经网络模型并入有限元法中,采用有限元－神经网络耦合算法,模拟土的本构关系,得出一些结论。     

混凝土三轴循环本构关系的神经网络模拟

利用BP神经网络的模拟能力代替传统的力学方法，对混凝土材料的循环本构关系进行了模拟研究．首先回顾了此类模型的研究进展和构造方法。然后直接从试验数据出发，建立了混凝土三轴受压循环比例加栽条件下的本构模型．试验结果和模拟结果的比较说明，该模型具有较高的精度和良好的泛化能力．本研究结果进一步说明神经网络模型适合于描述多影响因素的非线性复杂因果规律，为研究材料本构特性提供了一条新的途径．     

研制基于神经网络隐式材料本构模型的智能有限元的问题探讨

提出并探讨了基于神经网络本构模型的智能有限元的算法及其实现问题 ,主要有直接法和间接法两种嵌入方式以及神经网络材料模型表达和训练的方法 ,自向前算法和基于修正拉格朗日列式法的算法迭代格式 ;并就智能有限元实现时采取的方法及编程语言等进行了讨论。     

BP神经网络的灌芯砌体的本构模型研究

利用反向传播神经网络（BP神经网络）的模拟能力来代替传统的方法,建立灌芯砌体的本构模型,对比模拟结果,并与传统方法进行比较．从模型的预测值和试验值可以看出,训练后的模型具有较高的学习精度和较好的泛化能力,可以保证在结构问题中的应用。     

采用神经网络材料本构模型的智能有限元及其算法

讨论了基于神经网络材料本构模型的智能有限元的计算方法及其存在的几个问题,编制了相应的智能有限元计算程序,并结合实例验证了该方法的有效性,为解决复杂岩土工程问题提供了新的思路和方法.     

神经网络智能算法在砂砾石本构模型中的应用研究

通过人工神经网络方法构建砂砾石材料的非线性本构模型,结合工程实例进行了有限元分析计算,提出了对有一定高度的同性材料按不同围压进行分区,并结合神经网络本构模型进行计算的方法;研究结论对神经网络在本构模型上应用的特点提出了基本的研究思路.     

用模糊聚类分析法建立神经网络岩土本构模型

针对岩土类材料本构关系复杂的情况 ,采用BP网络建立了其本构模型 ,并从神经网络隐层的本质特征出发 ,对样本数据 (应力和应变信息 )采用模糊聚类分析法进行特征抽取 ,以确定隐层节点数目 .算例结果表明 ,该方法是可行的 ,并具有较直观的物理意义 ,可为样本的选取提供指导作用 .     

土体本构模型评述

从理论上和实际应用上评述了土体本构模型中的弹性本构模型、弹塑性本构模型及流变本构模型的建立、应用范围和局限性,认为：目前的土体本构模型,便于计算的,过于简化而不实用,而符合实际的,参数较难测定且复杂,难于推广;当前,还没有一种能全面、正确地表述任何加载条件下的各类土体本构特征的本构模型,有必要进一步发展准确实用的土体本构理论。     

递归神经网络的卡尔曼滤波及分层学习算法

将卡尔曼滤波算法引入到递归神经网络的训练当中,并针对递归神经网络、卡尔曼算法及ＢＰ算法的特点,提出了用于递归神经网络的分层学习算法,并给出了理论分析．仿真结果证明了本算法的有效性．     

非线性信道判决反馈递归神经网络自适应均衡器

针对存在严重符号间串扰及轻度非线性畸变的数字信道，提出了一种判决反馈递归神经网络为均衡器，它将传统的线性信道判决反馈结构巧妙地融入递归神经中，在自适应训练时用期待２信号代替判决反馈信号。     

基于神经网络的FMS动态调度决策

提出用ＢＰ神经网络建立ＦＭＳ动态调度模块．以ＦＭＳ的生产状态和多优化目标作为神经网络的输入,多优化目标条件下的动态调度策略作为网络的输出．给出了系统的设计方法与实例,并通过仿真验证了神经网络所作出的动态调度策略是较优的．     

线性时变系统辨识的神经网络方法

构造了一种用于线性时变系统辨 神经网络,研究了它对线性时变控制系统的逼近能力。在以Ｌ＾２（０,ｔ１）;Ｒ＾ｍ的任意一个有界子集为控制函数集上,神经网络具有一致逼近线性时变系统的状态的能力,了采用标准正交系作为样本的 训练方法,按照这种方法训练后,在由这个标准正交系所生成的Ｌ＾２「Ｏ,ｔ１」;Ｒ＾）的空间上,神经网络的输出一致逼近线性时变系统的状态。     

基于自适应遗传算法的RBF神经网络优化算法

针对传统遗传算法收敛速度慢的缺点,本文将改进后的遗传算法应用于RBF神经网络,对隐层中心和宽度值进行同步优化,并在复杂非线性函数的逼近实验中证明了本文算法相比传统遗传算法在搜索全局最小点的速度上得到了很大提高.     

人工神经网络用于红外光谱定性分散染料

根据分散染料的红外光谱图，用人工神经网络直接建立红外光谱数据库，以化合物编号直接作为人工神经网络的输出对网络进行训练，训练后的人工神经网络可对属于训练范围内的分散染料进行定性。     

交通模型网络分配技术

拥挤的城市道路网络的建模工作一直是世界各国研究的课题．各种方法的准确程度也不相同,一个基本的方面就是在追求战略规划目的的同时取得成效,和在准确地表示地域范围内交通运转情况需要之间寻求一种平衡．在许多城市中,需要能够同时评价这两者的灵活的模型．OveArup＆Partners最近已经开发并成功地运用了一个EMME／2模型对奥克兰市、新西兰市做了交通项目估计,同时具体表达了交汇处的延误．这部分的前期工作是由ROHill所承担的,此模型的研究和开发强调了模型中出现的许多重要问题．本文讨论了与拥挤分配模型开发有关的问题,阐述了建立城市范围内的模型的方法．内容包括：a．分配方法;b．稳定性和收敛性;c．城市范围模型的具体水平;d．联系和转弯惩罚函数;e．在没有信号灯的交叉口的延误函数．     

制造系统的神经自适应控制

制造过程的自适应有效控制对ＣＩＭＳ的发展具有极其重要的意义。本文作者在论述：（１）自适应控制在ＣＩＭＳ中的重要性；（２）传统自适应控制方法在制造过程控制中的困难与障碍；（３）神经网络、人工智能和模糊控制理论等在制造过程自适应控制中的应用的基础上，指出神经自适应控制是制造过程自适应控制发展的有效途径，并构造了基于自组织神经网络的神经优化型自适应控制模型．     

ATM网络中使用神经网络的业务预测

业务预测对ＡＴＭ网络中主要采用的预防式拥塞控制有特别重要的意义,用神经网络进行了业务预测速度快,效果好,本文用神经网络视频业务进行了预测,并给出了计算机仿真结果。     

一种离散时间细胞神经网的设计方法

介绍了离散时间细胞神经网的基本概念,给出了一种利用局部规则和门限函数的DT-CNNs模板设计方法;应用该方法设计了DT-CNNs边缘提取模板,试验结果表明该设计方法是方便可行的.