基于数据挖掘技术的抽油机泵参调整DSS决策支持系统

以示功图数据和一些相关的生产数据为研究对象，引入数据挖掘技术，用决策树建立分类模型，建立了一个以泵况分析和泵参调整为目标的DSS决策支持系统。     

多阶段逆模型方法及在胶液生成过程中的应用

针对一类串联型工业大系统,提出了多阶段逆模型建模方法:将串联大系统分为若干个阶段,以产品质量指标作为过程设计的起点,用逆向推理的方法,建立各个阶段的逆模型;根据产品质量指标的要求,直接求出各个阶段的控制变量设定值.将该方法应用于胶液生成过程的软测量建模,采用多阶段建模方法和整体建模方法分别建立了基于BP神经网络的胶液生成过程逆模型,并从误差平方和MSE和命中率等方面对两种建模方法的建模精度进行了比较.结果表明,多阶段建模方法可以获得更高的建模精度;同时,具有更大的灵活性;而且逆模型方法可以根据质量指标求出控制变量设定值,更便于实际应用.     

基于神经网络的正态分布函数近似计算方法

正态分布是工程可靠性设计计算与分析中应用最广泛的一种概率分布、但它的分布函数却写不出显式，函数值必须查表获得，给工程自动设计和仿真带来许多不便，本文提出应用BP神经网络映射标准正态分布函数的近似算法，以便于工程使用。     

判别混沌与噪声的局部可变神经网络方法

为了解决多对单类型的分类问题（ 尤其是无限多对单） ，提出了一种处理多对单问题的新型神经网络模型———局部可变权值神经网络，并将其应用于混沌信号和噪声的判别．局部可变权值神经网络学习算法与传统神经网络类似，但在工作时可根据网络输入来调整神经网络局部权值．从最后分类结果看，无论是在学习时间还是在分类精度上，局部可变权值神经网络比传统神经网络都要好     

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。