基于神经网络的无心磨床建模及其控制系统

提出了无心磨床的神经网络控制方案，并通过建模对控制系统进行了仿真，仿真结果证明该方案是切实可行的。     

基于神经网络的模糊控制规则校正方法研究

对由模糊控制器构成的集散控制系统，现场模糊控制器的控制规则的校正是一个关键问题。若使其自身具有自校正功能，对于基于数字单片机开发的模糊控制器来说，采用神经网络构成在线自校正方式，存在一定的困难。为了提高控制器的性能，规则校正又是必需的，为此，本文提出了一种由监控机对每台现场控制器进行分时校正规则的方法，该方法是“半在线式”校正。     

基于主成分—神经网络上市公司财务危机预警模型研究

本文研究了主成分和神经网络混合算法在上市公司财务危机预警中的应用,分析了财务危机的影响因素,建立了主成分神经网络的危机预警模型,并用收集了40个上市公司财务数据验证了模型的有效性。     

一种优化 BP 神经网络训练样本的方法

BP神经网络训练样本的选取对网络的泛化能力有较大的影响,特别,怎样从高维大样本数据中选取合适训练样本是一个难点。本文运用因子分析法对大样本数据进行预处理,再利用分析所得的公因子进行聚类分析,这样既可以降低指标的维数,也可以减少样本的数量。实验证明,该方法简化了网络结构、加快了网络的收敛速度,对提高网络的泛化能力有一定的帮助。     

神经网络在企业信用信息数据分析中的应用

以企业信用评级知识为基础，运用数据挖掘中的神经网络技术，研究企业信用评级中的神经网络结构，进行企业信用评级模型——神经网络感知器的新探索．以此制定相应的信用政策，控制企业的信用风险．     

基于神经网络的生产作业计划理论研究

研究如何利用前向神经网络安排单件小批量订单生产类型企业的生产作业计划，针对数据难于组织、反应传算法易陷入局部极小点和输出结果存在偏差的问题，提出了基于位混合编码的样本组织方式；权值和迁跃点记忆队列的网络训练和结果校正方法，仿真结果证明了方法的有效性和基于神经网络研究生产作业计划的可行性。     

Pu I奇宇称光谱能级的人工神经网络研究

利用人工神经网络的反向传播（ＢＰＮ）方法对Ｐｕ Ｉ奇宇称光谱能级进行了指认，结果与实验相符。表明ＢＰＮ可用于复杂原子光谱能级归属的分类。     

人工神经网络的互连权空间的演化方程学习算法

本文把人工神经网络的互连权视为广义的自旋变量，网络的学习问题看作互连权空间的优化问题，进而将通常在人工神经网络组态空间的连续时间动力学方程组推广到人工神经网络的互连权空间，并在方程组中引入类似Ｍｅｔｒｏｐｏｌｉｓ的ＭｏｎｔｅＣａｒｌｏ算法机制改进此方程组了以提高寻优能力，提出了一个人工神经网络的演化方程学习算法，该算法在很大程度上摆脱了局域极值的束缚，得到最优或接近最优的互连权，本文集中研究单层反     

一种基于人工神经网络的旋转机械故障监测方法

把神经网络与数字信号处理相结合，提出并实现了一种基于神经网络的旋转机械在线故障监测系统，主要用于识别旋转机械的一些常见故障如转子不平衡振动、转子零部件松动、油膜涡动等等。系统主要由数字信号采集、数字信号预处理和Ｂ－Ｐ神经网络几部分组成。在神经网络中采用批处理加动量项的梯度下降算法学习。仿真结果表明该故障监测系统在故障识别率等各方面性能指标均优于传统的基于知识的工况监测与故障诊断系统。