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．     

斜带石斑鱼人工育苗技术的初步研究

从广东引进斜带石斑鱼受精卵1.5kg(约2.2×106粒),孵出仔鱼约1.8×106尾,在水温25.0～28.8℃、盐度25.6～28.4、溶解氧5.7～7.3mg/L的条件下,使用海水小球藻、牡蛎受精卵和担轮幼虫、轮虫、卤虫无节幼体、蒙古裸腹溞、不同规格的微颗粒配合饲料和鱼糜进行饲喂,经72 d培育出平均全长44.1mm的幼鱼约3.05×104尾,育苗成活率达1.7%.     

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。     

食物链算法及其在供应链计划中的应用

人工生命两个重要特征是突现和与环境进行动态交互作用，即人工生命个体间微观的相互作用将在整个生命系统中产生突现集群的现象；同时食物链也是生命系统中重要而有又广泛存在的重要现象。基于上述思想，提出一种新的基于人工生命的算法，称为食物链算法。并把它应用于供应链计划中企业联盟的企业伙伴挑选与生产能力分配问题。该算法模拟了在未来市场需求的刺激下，供应链的成员企业是如何不但调整自己的生产能力，以及供应链如何挑选成员企业组成企业联盟的。该算法较好的解决了既有企业联盟伙伴挑选又有生产能力分配，这一具有分布特征的问题。并可应用于供应链管理的其他的问题，比如选址．分配问题。     

不同降雨强度下农地的产流产沙研究

采用人工模拟降雨的方法，分设5种不同的降雨强度研究半干旱区农地的产流产沙特征，结果表明：农地径流量、侵蚀模数随雨强的增加而增加，并与降雨强度呈指数函数或幂函数，小麦地和裸地径流量平均值分别为39．1mm和50．1mm，径流系数最高达60％以上，裸地与小麦地的侵蚀模数之比最大达25倍。     

基于人工神经网络的云自动检测算法

为实现卫星观测数据的高效云自动检测技术,提出了基于人工神经网络的云检测方法,并针对中分辨率成像光谱仪（MODIS）的观测数据建立了BP神经网络模型,给出了算法的应用实例.通过实例分析表明,基于人工神经网络的云检测算法具有良好的时空适应性,检测效果较好,检测速度快,具有业务实用价值.     

AIS在计算机安全领域的应用与展望

人工免疫系统AIS（artificial immune system）作为新型的计算智能系统，在计算机安全领域得到了广泛应用。从生物免疫机制入手，归纳和分析了目前人工免疫系统在计算机安全领域的应用；根据不同的应用类别，介绍了AIS在安全领域的研究热点；分析了常用免疫算法应用于安全领域具有的主要优点和存在的不足；展望了AIS在该领域的研究重点和发展趋势。     

生物免疫原理在多代理分布式入侵检测系统中的应用

入侵检测是一个新的、迅速发展的领域,已成为网络安全体系结构中的一个重要环节. 通过对多代理技术和入侵检测方法的研究,提出了一种基于生物免疫原理的多代理分布式入侵检测系统模型,并且对该系统的结构和代理的处理流程进行了描述. 该系统是一个开放的系统,具有很好的可扩展性,易于加入新的入侵检测代理,也易于增加新的入侵检测. 代理之间的协同采用独立的通信服务代理来实现,特有的自身检测代理确保检测系统本身的安全.     

基于ANN和FUZZY的装载机故障诊断模型

提出了一种基于神经网络和模糊理论的层次诊断模型、针对装载机的特点建立的模糊系统可自动生成和调整隶属度函数，构造了一种平行的神经子网络，网络训练的速度和诊断准确率有明显提高．模型缩小了知识库，减少了计算量．本模型具有比较强的除噪能力，能将对故障信息敏感而对噪声不敏感的信息提取出来．经仿真实验证明，识别效果良好，有效减少了误判和漏判．     

GMAW 温度场计算及其焊接质量的特征建模

根据传热学、流体力学、物理冶金等理论，在熔化极气体保护焊(GMAW)的三维非稳态熔池的数学模型基础上建立了有限元模型，并使用通用有限元软件ANSYS对熔池温度场进行了计算．通过熔宽和熔深的测量值与ANSYS计算值进行比较，误差均控制在8％以内，表明使用ANSYS来计算GMAW温度场是可靠和可行的．结合智能诊断的基本理论，还建立了GMAW焊接质量的人工神经网络预测模型，并且采用软件MATLAB6．1对模型进行计算．结果表明，模型与实际过程符合较好，对于非线性的焊接过程，神经网络的适应性较强．