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。     

一个基于动态模型的计划决策支持系统

将ＤＳＳ的理论和方法应用到铁路编组站调车作业系统中，构造一个用于决策的动态仿真模型，并根据调车作业中调车规则加以总结整理，抽取可用于作业计划制定和执行过程的决策规则，建立起具有数据库、规则库、模型库的作业计划决策支持系统（ＰｌａｎＤｅｃｉｓｉｏｎＳｕｐｐｏｒｔＳｙｓｔｅｍｓ，简称ＰＤＳＳ），为解决铁路运输生产中的决策问题，提供有效的帮助。     

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。     

一种基于人工神经元网络的条件分支预测算法

针对人工神经元网络学习速度较慢的缺点,提出了改进学习算法的基于人工神经元网络的条件分支预测算法.基于SimpleScalar模拟器,用SPEC95基准程序对改进的方案进行了性能评估.模拟测试表明,在学习初期,相比传统人工神经元网络预测算法,改进的分支预测算法能使预测失效率降低1%~2%,而在稳定期,可获得同等的预测精度.     

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。     

会计DSS: 决策支持系统在会计学中的应用

探讨了将决策支持系统运用于会计学的问题.分析并提供了会计DSS的基本框架及组成,并以实例展示了会计DSS是如何支持决策的,可作为企业运用DSS 进行会计决策之借鉴.     

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．     

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。     

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．     

基于人工神经网络的非线性系统辨识

人工神经网络是-个非线性动力学系统,具有自适应、自组织、自学习等功能。本文利用人工神经网络具有表达任意非线性映射的能力,对非线性系统进行系统辨识。仿真结果表明,该方法是可行的,计算精度高。     

基于神经网络的专家系统

人工神经网络与专家系统，作为人工智能应用的两大分支，在实际应用中都有许多成功的范例，但作为单个系统来讲，二者都存在很大的局限性。主要是专家系统知识获取的“瓶颈问题”和神经网络知识表达的“黑箱结构”。为解决这个问题，本文提出将专家系统与神经网络技术集成，达到优势互补的目的。利用神经网络优良的自组织、自学习和自适应能力来解决令家系统知识获取的困难，同时用专家系统良好的解释机能来弥补神经网络中知识表达的缺陷。论文提出了基于神经网络专家系统的结构模型，知识表示方式以及推理机制等。     

基于神经网络的专家系统

人工神经网络与专家系统,作为人工智能应用的两大分支,在实际应用中都有许多成功的范例,但作为单个系统来讲,二者都存在很大的局限性。主要是专家系统知识获取的"瓶颈问题"和神经网络知识表达的"黑箱结构"。为解决这个问题,本文提出将专家系统与神经网络技术集成,达到优势互补的目的。利用神经网络优良的自组织、自学习和自适应能力来解决令家系统知识获取的困难,同时用专家系统良好的解释机能来弥补神经网络中知识表达的缺陷。论文提出了基于神经网络专家系统的结构模型,知识表示方式以及推理机制等。     

基于规则的复合人工神经网络故障诊断专家系统

提出了一种基于规则的新智能故障诊断专家系统,该系统使传统故障诊断专家系统和神经网络有机结合,并融合了模糊理论。系统增加了自学习机制,使知识获取容易,解释机制更灵活,因而使故障诊断系统更具灵活性和透明性。     

大型水利工程多目标综合评价决策支持系统

本文提出了一套以人工智能为基础,关于大型水利工程多目标决策的决策支持系统的框架,该系统集数据库、知识库、决策方法以及选择规则为一体,能较好地反映出决策人的偏好,决策人对于不同的问题,可以根据自己的偏好得到满意的决策结果.     

基于人工神经网络的农林科技成果评价研究

采用专家会议法、德尔菲法,构建了一套定性与定量相结合的农林科技成果评价指标体系,应用BP神经网络方法,建立了农林科技成果综合评价模型,并对模型进行实证分析.本研究对开展我国农林科技成果的评价以及促进农林业科技健康发展具有实践指导意义.     

基于灰色BP神经网络的装备保障费用预测模型

装备的保障费用是装备全寿命周期费用的重要组成部分,为了科学合理地预测武器装备的保障费用,通过分析装备保障费用的构成及其影响因素,考虑到装备保障费用数据量有限、复杂多变、非线性,用单一预测模型预测精度不高,因此建立了基于灰色系统理论和BP神经网络的组合预测模型,将灰色系统模型善于处理小样本数据和BP神经网络优于解决复杂非线性问题的优点有效地结合起来,对基于非线性时间序列的保障费用进行预测。仿真实例表明该组合模型的预测结果比传统单一模型所得到的预测结果总体误差要小,可以有效提高装备保障费用的预测精度。     

基于人工神经网络的多属性决策

研究利用ＢＰ人工神经网络解决多属性决策问题。根据价值函数的存在定扩展多属性决策问题的价值函数,利用一个３层ＢＰ网络任意逼迫多属性决策问题的价值函数,从问题本身抽取学习样本训练ＢＰ网络,构造该问题的价值函数,利用训练后的ＢＰ神经网络作为多属性决策问题的价值函数计算各方案的价值。实现了多属性决策问题的自动化,计算结果与用传统工具的计算结果基本一致,并且满足Ｐａｒｅｔｏ最优准则。     

基于决策树构造神经网络的方法及应用

基于知识的神经网络KBNN(Knowledge-Based Neural Network)在提高神经计算性能方面效果显著,其构造方法基于已得的规则.利用决策树对数值数据的分割能力和神经网络准确的逼近收敛能力,提出了一种利用C4.5决策树从数据中自动提取规则生成神经网络的构造方法.该方法易于构造、收敛速度快、精度较高,在高速公路路面破损智能识别系统中使用效果良好.     

基于Web的综合评价决策支持系统

给出了基于Web的综合评价决策支持系统的系统结构框架,明确了系统中各部件的功能及其相互关系,并详细介绍了系统实施的具体过程。