基于神经网络的冲击地压危险性预测预报

文章分析了影响冲击地压危险性的主要因素，首次利用神经网络模型模拟各个因素之间的复杂的非线性关系，消除了传统预测方法中的人为确定冲击危险指标的影响。检验结果表明：模型可靠，预测精度高。为冲击地压与人工智能等高新技术的进一步结合奠定了基础，进一步拓宽了神经网络技术的研究领域。     

基于质量指标的球团焙烧先进过程控制

以某烧结厂球团焙烧过程中燃烧控制系统为研究对象，针对生产过程中因果非线性及条件不确定等因素的影响，综合运用网络技术、软测量技术、模糊控制和专家系统等，提出一种焙烧过程的质量控制策略和先进过程控制(APC)方案，设计了基于神经网络的模糊化软测量(FNNSS)模型。采用软测量的方法实现生产综合条件指标即广义透气性的测定，对不同的透气性采取不同的控制策略，并进行了仿真研究。     

一种基于因素贡献率的自适应前馈网络算法

前馈网络具有很强的信息处理能力，但是实际应用中的样本量有限，训练出来的网络效果不太理想，本文提出一种自适应前馈网络算法，通过调节参数α向量，使网络结构按精确度和推广能力来综合考虑，若训练出来的网络满足先决条件，就认为网络规模是合适的，此算法不仅能删除隐层中的节点也能删掉输入层中若干总贡献率小的节点，从而避免了维数灾难，并给出一种调整剩余权重的算法，避免重新训练，文中讨论了网络结构的重要性，并用该方法进行仿真实验，结果证明了自适应前馈网络算法具有较强的建模能力。     

模糊神经网络在石油压裂支撑剂研制中的应用

石油压裂支撑剂的研制是一项复杂有难度的技术，受到很多因素的影响。针对研制过程中各项指标具有较大模糊性的特点，应用模糊神经网络系统(FNNS)来获取各影响因素与支撑剂质量的关系模型和预测模型，从而找到原料配比、成球工艺参数、烧结温度与产品质量之间的最佳关系。     

新型模糊神经网络控制器在GTAW焊中的应用

钨极气体保护电弧焊(GTAW)过程是一个复杂的、多参数耦合的高度的非线性系统，难以实现实时、有效的在线控制．模糊控制吸收人的经验思维的特点；神经网络则对信息的处理具有自组织、自学习的特点；遗传算法是一种全局优化搜索方法，具有简单通用、适合并行处理的特点．笔者将三者有机地结合起来，在模糊神经网络控制器的基础上利用改进的遗传算法，并分析其网络结构和离线学习的方法，协调利用三者的优势设计一种新型的模糊控制器，并使之用于脉冲GTAW焊仿真中，结果证明该新型模糊神经网络控制器比传统的模糊控制器具有一定的优越性．     

倒立摆系统及其智能控制研究

倒立摆系统是绝对不稳定非线性系统的一个典型范例，如何对其进行有效的控制是控制界的一大热点。这里以各种智能控制理论为基础，对应用于倒立摆系统控制的智能控制方法进行综述，分析了各种方法的特点和联系，最后还就这一领域的研究方向进行了展望。     

具变时滞细胞神经网络的指数稳定性与正周期解

利用Lyapunov函数研究具变时滞细胞神经网络的指数稳定性，获得新的判据，利用重合度理论得到了该神经网络正周期解存在的充分条件．     

不完备信息系统的数据挖掘

现有的数据挖掘系统一般是针对于完备信息进行的,而在实际问题中,不完备的信息系统是普遍存在的,这是由于数据库中的数据很少是完全的,待处理的数据常有某种程度的不完备.因此研究如何在这种不完备的信息系统上进行数据挖掘是非常重要的.     

基于动态递归模糊神经网络的动态系统辨识

模糊系统和神经网络由于具有逼近任意连续非线性映射的特性而广泛应用于系统的辨识和控制,但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识,而现实工程中的控制对象反映的是系统的动态行为.为了提高动态系统的辨识精度,提出了一种新型的动态递归模糊神经网络,并根据动态递归神经网络的数学模型推导其动态反向传播学习算法及其改进算法.仿真结果表明:由于动态模糊神经网络的辨识过程同时利用了系统的当前数据和历史数据,对动态系统的辨识,特别是对具有纯时间延迟动态系统的辨识,较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果.同时,确定网络权值和隶属函数参数初始值的方法可使动态系统的辨识过程具有更快的收敛速度.     

应用聚类和模糊神经网络方法设计模糊规则库

基于聚类技术和模糊神经网络提出一种新的自动生成模糊系统规则库的设计方法.采用结构辨识和参数辨识相结合的方法,构造模糊系统完善的模糊规则库.用此设计方法对函数逼近问题进行仿真,结果表明该方法具有规则数目少、学习速度快、建模精度高等特点.