Prediction of the Performance of the Fabrics in Garment Manufacturing by Artificial Neural Network

An artificial neural network is used to predict the performance of fabrics in clothing manufacturing. The predictions are based on fabric mechanical properties measured on the FAST system. The influences of the different ANN‘s construct on the convergence speed and the prediction accuracy are investigated. The result indicates that the BP neural network is an efficiency technique and has a wide prospect in the application to garment processing.     

基于模糊C均值聚类和神经网络的短时交通流预测方法

短时交通流预测是动态交通控制和诱导的前提。提出一种模糊C均值聚类和神经网络相结合的短时交通流预测方法。用同一组实测数据对比计算了该方法与BP神经网络预测方法、模糊神经网络预测方法分别得到的预测结果。计算结果表明：所提出的方法的预测准确性明显地高于其他两种方法。     

基于人工神经网络的案例检索与案例维护

传统的案例推理系统中,案例检索和案例维护作为两个相互独立的任务分别考虑。而对于案例维护以案例库为纽带,直接为案例检索服务的内在联系没有充分研究。在分别论述案例检索、案例维护,以及人工神经网络在案例推理系统中的应用研究现状基础上,进一步探讨了采用人工神经网络方法实现案例检索和案例维护的整体设计方案,并阐述了其中技术细节。最后,以某产品设计应用为背景,设计并实现了一个反向传播神经网络作为案例检索和案例维护方法,验证了结论的正确性。     

BPANN在仪表线性化中的应用

讨论了传感器、仪表利用软件实现线性化的优点及反向逆传播人工神经网络(BPANN)的构成，研究了半导体热敏电阻(SCTR)线性化的BPANN方法，并用MATLAB具体实现，得到了SC—TR的线性特性．用插值法检验了该方法的有效性。     

流动注射分析人工神经网络同时测定Fe（Ⅱ）和Ni（Ⅱ）

应用流动注射分析(FLA)-吸光光度法技术对含有Fe(Ⅱ)和Ni(Ⅱ)的体系进行检测，用人工神经网络对检测结果进行处理，不经分离同时测定了混合体系中的Fe(Ⅱ)和Ni(Ⅱ)，铁和镍分别在0.10-7.5μg／L呈线性。结果令人满意．     

人工神经网络构造经济预测模型方法的探讨

探讨利用人工神经网络建立经济模型的一般原理和方法,并通过构造一个宏观经济模型的实例加以说明.与传统的回归分析方法相比,人工神经网络具有良好的适应性和分析预测能力.     

基于BP神经网络的船舶管系CAPP研究

介绍了一种新的舰船管系柔性编码方法和加工工艺推理方法．即利用成组技术原理，编制舰船管系特征码和加工码，并利用BP神经网络进行加工工艺推理，在总结BP神经网络推理方法的基础上，给出了利用BP神经网络开发船舶管系CAPP的方法，并论述这种方法的优点．这种推理方法极大地提高了船舶管系CAPP系统的柔性，开发了一种应用于不同厂家的CAPP系统。     

BP神经网络在路径规划中的应用

神经网络由于其具有对数据大规模并行处理及对知识有较强的融合能力的优点，因此将它应用于机器人路径规划中，但是BP网络极容易陷入局部极小值，应用加权策略解决了此问题．仿真结果表明，BP神经网络应用于移动机器人路径规划具有正确性、高效性、实用性和智能性等优势．     

应用级联神经网络预测供热锅炉次日小时热负荷的初步研究

通过对供热锅炉房热负荷的分析，建立了基于两个BP网络的级联神经网络(CNN)。相关性分析表明，可将时间序列负荷数据作纵横向分离，横向相关系列负荷可作为CNN前一BP子网络的输入数据，纵向相关系列负荷可作为CNN后一BP子网络的输入数据。前一BP子网络用于小时负荷的初始预测，其预测结果加入后一BP子网络的输入系列，实现对负荷的精确预测。按照此模型，建立了某一印染厂锅炉房次日小时蒸汽负荷的CNN预测模型。程序运行结果表明该模型在预测时足够准确可靠。     

基于RES理论的岩爆倾向性预测方法

从工程地质因素、复杂环境因素和人为开挖因素3个方面分析了岩爆启动的主要影响因素,在此基础上,提出了一种基于RES理论的岩爆智能预测模型,并论证了人工神经网络的参数分析原理.此外,采用改进的前馈神经网络BP算法对交互作用矩阵进行编码以及对参数的相对交互作用强度进行了分析.研究结果表明:运用该岩爆智能预测模型,不仅使岩爆倾向性的预测具有动态特性,同时又可以方便地对岩爆启动的主控因素进行分析.