从存在到演化：人工智能研究范式的转变及其哲学思想

人工智能的研究从符号主义（传统AI）和联结主义（人工神经网络ANN）两个方向展开。ANN的复兴在于霍普菲尔德将分布系统、热力学统计物理思想引入ANN建模研究中,实现了ANN研究从线性到非线性、从学范式到热力学范式的转变。行为AI和演化计算则基于达尔进化论思想,从与环境实时互动联系的角度,实现对传统AI局限的突破。从哲学思想上看,二的共同点就在于其研究指导思想从存在走向了演化,贯穿了唯物辩证法普遍联系和永恒发展的思想。现代人工智能发展为研究认知的起源提供了重要手段。     

基于神经网络的综采工作面技术经济指标预测

应用人工神经元网络系统理论 ,基于神经网络的自学习方法 ,在对西山煤电集团东曲矿综采工作面大量实际资料进行统计分析的基础上 ,就工作面日进度、日产量、回采工效率、坑木消耗、配件消耗等 1 1项综合技术经济指标进行预测 ,预测结果精确度较高与实际相吻合 .为解决煤矿综采工作面计划、生产、管理的预测决策问题提供了一种新的研究方法.     

基于神经网络的Lyapunov指数谱的计算

利用 BP神经网络的非线性函数逼近能力 ,由实验观察数据列计算系统的 Lyapunov指数谱 .实例计算表明 ,此种方法精度较高且计算量较小 ,有重要的实际意义.     

紫外分光光度法-人工神经网络在4种嘌呤同时测定中的应用

将紫外分光光度法与人工神经网络相结合, 在波长200～300　nm不经分离同时测定腺嘌呤、 黄嘌呤、 次黄嘌呤和鸟嘌呤的混合物. 讨论了pH值对体系的影响, 并对网络参数进行选定. 方法简便、 快速, 相对标准偏差小于3.7%.     

人工神经网络在空气污染预报中的研究进展

人工神经网络是20世纪80年代迅速兴起的一门非线性科学,特别适用于对具有多因素性、不确定性、随机性、非线性等特点的对象进行研究,而空气污染预报正是这样的一类问题。简单介绍了人工神经网络的基本概念,详细地回顾了国内外人工神经网络在空气污染预报领域的研究应用情况,最后讨论了人工神经网络在空气污染预报领域中的研究方向和发展趋势。     

利用互联网搜索关注度预测期权隐含波动率变动:基于人工神经网络的分析

本文运用人工神经网络方法,研究互联网搜索对期权隐含波动率的影响.基于标普500指数看涨期权,本文首先建立了一个揭示期权隐含波动率变化与指数收益率、期权Delta和期权剩余有效期之间关系的人工神经网络模型,结果显示此模型的估计精度比Hull和White (2017)提出的解析模型提升了约15%,比Cao、Chen和Hull (2020)提出的神经网络模型提升了约40%.接着,本文引入25个互联网搜索关注度指标,将它们集成一个谷歌趋势指数并作为度量互联网搜索关注度的综合指标.最后,将该谷歌趋势指数的变化率加入到前述人工神经网络模型,从互联网搜索关注度的角度探究期权隐含波动率的动态特征,新的模型进一步提升了约30%的估计精度.     

试论人工神经网络在高校突发事件预警中的应用

随着社会变迁不断加剧和改革不断深化，我国高校的内外部生态环境发生了巨大变化，高校各类突发事件时有发生，并有逐步增加的趋势，对突发事件预警的研究刻不容缓。本文基于高校突发事件预警，将人工神经网络方法运用其中，以期对高校稳定提供理论支撑和方法指导。     

BP网络用于香梨酒香气成分的QSRR研究

采用误差反传前向人工神经网络建立54种香梨酒香气成分的结构与色谱保留之间的定量关系模型(ANN模型).以54种香梨酒香气成分的分子连接性指数和分子形状属性指数作为输入,色谱保留时间作为输出,采用内外双重验证的方法分析和检验所得模型的稳定性和外部预测能力,所构建网络模型的相关系数为0.998、交叉检验相关系数为0.997、标准偏差为0.289、残差绝对值≤1.12,应用于外部预测集,外部预测集相关系数为0.984;而多元线性回归(MLR)法模型的相关系数为0.951、标准偏差为1.33、残差绝对值≤3.08,外部预测集相关系数为0.953.结果表明:ANN模型获得了比MLR模型更好的拟合效果.     

右后柱加强板拉深成形优化预测模型的建立

拉深是板料冲压成形的关键工艺,也是最复杂的成形工艺之一.文章将正交试验、人工神经网络和遗传算法结合起来,对板料的成形工艺参数进行优化,建立板料成形工艺参数的优化设计模型,并利用该优化模型最终获得满意的厚度最大变薄率和回弹量.