Application of FAHP and Artificial Neural Network on Clothing Plant Location

Clothing manufacturers＇ direct investment and joint ventures in developing regions have seen to grow rapidly in the past few decades. Non-optimized selection can contribute to adverse effects affecting the performance of the plants on aspects of productivity, manufacturing and logistics cost. Selection of proper plant location is thus crucial. The conventional approaches to sites location are based on the factors and their weights. However, determining the weight of each factor is very difficult and time consuming. While the situation is changed, all the work must be redone again. This study aims to develop a decision-making system on clothing plant location for Hoog Kong clothing manufacturer. The proposed system utilizes artificial neural network to study the relationship between the factors and the suitability index of candidate sites. Firstly, the factors are stratified using the fuzzy analytical hierarchy process （FAHP） by review the related references and interviewing the experts. Secondly, the corresponding data are collected from the experts by questionnaire and the related government publication. Finally, the feedforward neural network with error backpropagation（EBP） learning algorithm is trained and applied to make decision. The results show that the proposed system performs well and has the characteristic of adaptability and plasticity.     

Multiclassification algorithm and its realization based on least square support vector machine algorithm

1.INTRODUCTION Thedatabasedmachinelearningasastatisticlearning methodplaysanimportantpartinmodernintelligent technology.Basedontheresearchofstatisticlearning theory,VapnikVNpointedouttheproblemofexpe riencedriskminimization,andpresentedthenotionof minimizingstructurerisk.Upontheabovetheory,herecomesthesupportvectormachine(SVM)algo rithm[1].Itisespeciallyaimedatfinitesamples,and wecanfinallygettheoptimalsolutionsfortheexist ed informationbutnotforthesituationoftraditional statistictheory…     

超氧化物歧化酶在模拟人体胃肠环境中稳定性的研究

本文以中国药典中的人工胃液和人工肠液作为模拟人体胃肠环境，对超氧化物歧化酶的稳定性进行了一系列单独及综合的研究。研究结果发现，超氧化物歧化酶在人工胃液中会受到较强的破坏，而在人工液中则颇为稳定。同时还发现，尽管是天然结构的超氧化物歧化酶对胃蛋白酶和胰酶具有较强的耐受力，但被胃酸处理后结构松散的超氧化物歧化酶却可被胃蛋白酶和胰酶较有效地水解。     

应用人工神经网络技术估计城市道路交通出行量

本文应用人工神经网络模型中的连续Hopfield网络求解估计城市道路交通出行量分布的反推数学模型, 力求提高求解的速度和精度, 获得令人满意的结果。     

隐节点竞争BP模型

通过分析ＢＰ网络在局部极小状态下的微观特性，给出一种在隐藏层引入竞争机制的网络模型──隐节点竞争ＢＰ模型，试验表明该模型不仅有效地克服了局部极小问题，而且加快了学习速度。另外，还对本文提出的Ｏ竞争和已有的δ竞争进行了比较，并验证了Ｏ竞争的有效性。     

人工神经元网络辅助催化剂生产

本文提出了一种探索催化剂生产优惠操作条件的新方法，从而使最终产品的质量得以提高，并能节约人力、物力、寻优是依据数学模型离线进行的。模型采用人工神经元网络ＡＮＮ以实际上并不完全的历史数据训练后自动产生。     

一类复杂规划问题的分层规划方法

分析了“计划编制”问题的特点，指出在ＡＩ中，此问题可归结为一类多施主（ｍｕｌｔｉ－ａｇｅｎｔ），并需对动作发生的时间、地点和动作的对象进行规划的复杂规划问题。据此，本文拓展了Ａｌｌｅｎ和Ｓ．Ａ，Ｖｅｒｅ的时间包（ｐａｃｋａｇｅ）和时间推理的某些概念，提出了时间窗口的概念及以此来求解“计划编制”问题的分层规划方法。最后给出了一个实际问题的解法。     

人工种皮研究的现状及展望

介绍和讨论了人工种皮的概念和优点,目前国内外研究情况,人工胚乳(内层)中凝胶系统的应用及外层保护膜的成膜方法,存在的问题和解决的途径,以及研究展望.     

神经网络在肺癌早期鉴别诊断中的研究与应用

研究了人工神经网络方法（ＮＮ）在生物医学工程和生命科学中的应用。提出了改进反传算法（ＭＢＰ）并用于肺癌早期诊断：发现其对几类病人的识别和预测时，分类正确率高，临床诊断预测力强。     

BP神经网络在图书智能分布中的应用研究

通过分析如何提高图书的利用率,得出了将人工智能技术引入到图书智能分布中的必要性,并提出了采用神经网络技术来解决这一问题的方法。实验的结果表明该方法可以很好地应用在图书的智能分布中。