人工神经网络在热轧宽厚板性能预测中的应用

建立了神经网络预测热轧管线钢力学性能的网络模型，在此基础上，利用神经网络对热轧管线钢力学性能进行了预测，并对预测结果与生产数据进行了比较，此外，还利用神经网络对生产工艺参数进行了优化，结果表明，将神经网络应用于热轧生产进行力学性能预测和工艺参数优化具有一定现实意义。     

神经网络在人工智能中的应用

本文将神经网络与人工智能进行比较，分析了神经网络与人工智能的结合方式，侧重综述了神经网络的知识表达方式。     

神经网络技术在设备故障诊断中的应用进展

概述了国内外设备故障诊断的发展状况、神经网络在设备故障诊断的发展状况．对于复杂的故障，单一的神经网络诊断很难得出准确结果，考虑到旋转机械故障的复杂性，因而将集成神经网络应用于机械故障诊断中．考虑到设备故障的复杂性，利用集成神经网络对旋转机械故障进行诊断并对集成神经网络在设备故障诊断中的应用进行了预测．     

神经网络辨识研究的现状

阐述了神经网络辩识的基本原理，综述了神经网络辨识的研究进展，对各种不同的辨识方法进行了评述，并指出各自的特点，同时得出神经网络辩识的局限性。     

基于人工神经网络的销售预测方法初探

提出了一种新的销售量预测方法－神经网络方法，以我国电视机销售量为实际预测对象，运用神经网络方法对其进行试验预测，并和常规的线性回归方法进行了 比较，结果表明神经网络方法具有较高的精确度和较好的预测能力。     

一种新的模拟电路故障诊断小波神经网络方法

结合小波变换和神经网络二者之间的优点，提出基于小波神经网络的模拟电路故障诊断方法。采用能量分布特征提取方法和改进BP算法，用正弦信号仿真模拟电路，应用小波变换对模拟电路的采样信号进行多尺度分解，再进行能量分布特征提取，然后利用神经网络对各种状态下的特征向量进行分类识别，实现模拟电路故障诊断。相对于传统的故障诊断方法，用小波变换对故障信号进行预处理，大大减少了神经网络的输入数目，从而简化了神经网络的结构和减少了它的训练时间，并提高了辨识故障类别的能力。对实例电路仿真结果表明，该方法能正确识别各种故障状态，准确率高。     

用于最小加权距离译码的神经网络方法

构造了用于最小加权距离译码的神经网络，并证明了所构造的神经网络的收敛性，最后给出了用所构造的神经网络进行最小加权距离译码的算法。     

神经网络在股票价格预测中的应用

如何对股票价格进行预测是投资者所关注的话题，采用BP神经网络对股票价格进行预测，提出了将股票市场上所采用的技术指标作为神经网络输入变量，利用逐步回归方法筛选出影响股票价格涨跌的变量，从而建立起神经网络模型，研究结果表明，该方法具有一定的预测能力。     

神经网络训练参数等对控制效果的影响

本文在简要分析基于神经网络控制优点的基础上，选用ＣＭＡＣ神经网络，设计相应的控制器，采用数值仿真方法，分别调整各项参数进行神经网络学习控制的实验研究，得到这些参数对系统控制效果的影响及其规律，这对基于神经网络控制器的设计，应用以及性能分析等工具有指导意义。     

用神经网络进行雷达辐射源识别研究

为提高雷达辐射源识别系统的识别率，分析了BP神经网络、径向基神经网络和径向基概率神经网络等3种神经网络的结构和性能．用假设的10部雷达参数产生数据进行实验．仿真结果表明，应用径向基概率神经网络能大幅提高雷达辐射源识别的识别率，该网络在雷达辐射源识别中的分类性能明显优于其他2种神经网络．     

基于BP神经网络的陶瓷产品质量检验专家系统

介绍一种对陶瓷产品质量进行检验的神经网络专家系统。选用快速傅立叶变换 (FFT)进行特征提取 ,应用专家列表法进行特征参数确定 ,最后由BP神经网络进行状态识别     

基于智能计算方法的水力机组优化运行算法

根据水力机组运行的特点,结合人工神经网络的非线性特性和遗传算法的全局搜索能力特性,给出了使用人工神经网络与遗传算法方法,构造水电厂内水力机组优化运行算法的详细过程,首先使用人工神经网络来构建各机组的动力特性模型,然后利用遗传算法来构建机组间的组合运行策略。将所构造的算法应用于开发石家庄混合蓄能水电厂内机组优化运行系统,系统的仿真运行表明,基于人工神经网络与遗传算法的水力机组优化运行算法具有较高的计算精度,是行之有效的。     

锡膏印刷制程的智能控制

本文采用基于神经网络与遗传算法的一种混合结构即神经网络—遗传算法。解决锡膏印刷制程中的参数优化的问题。神经网络用于创建输入——输出映射，遗传算法用于优化。最终，可以根据不同的优化标准。来获得不同的最优制程参数。     

基于神经网络和遗传算法的岩体参数辨识研究

本构模型和初始参数给不准已成为岩土力学理论分析和数值模拟的“瓶颈”。目前神经网络可能会避开复杂的本构模型而成为解决岩土工程的设计和施工问题的主要途径。然而,不同的神经网络结构对模型的学习和推广预测能力有直接的影响,因此构造一个令人满意的神经网络模型至关重要。本文结合遗传算法对神经网络结构进行优化,并用后验差检验方法对搜索到的神经网络结构进行测试;结合遗传算法,用测试好的神经网络结构代替常用的有限元数值方法进行岩体参数的辨识;最后,用实例较为详细地证明了这种方法的可行性。     

基于人工神经网络的地价评估系统

传统的地价评估方法,没有充分利用土地定级的资料,作为人工神经网络评估地产价格的方法则能解决这一问题.应用人工神经网络评估地价,不需要给出具体的数学模型,它根据已有的土地资料进行网络学习,自动映射出地价与各影响因素之间的非线性关系,因此,人工神经网络系统具有传统方法所不能比拟的优越性.     

面向电力变压器油中溶解气体的卷积神经网络诊断方法

油中溶解气体分析法（Dissolved Gas Analysis,DGA）是判断变压器内部故障的重要方法之一。针对传统基于浅层的机器学习方法在变压器故障诊断中存在的特征提取和泛化能力方面的不足,提出了一种基于卷积神经网络的变压器故障诊断方法。利用网络中的卷积层对油中溶解气体进行特征转换,结合池化层强化重要特征的能力,对故障敏感特征进行提取。通过实验研究了卷积核数目、卷积核大小、池化层、网络深度对模型诊断性能的影响。通过混淆矩阵、ROC曲线和PR曲线对比分析了卷积神经网络模型、支持向量机(Support Vector Machine,SVM) 模型、BP神经网络(Back Propagation Neural Network,BPNN)模型。实验结果表明,卷积神经网络模型的诊断性能更为优秀。     

基于结合模拟退火算法的动态模糊神经网络的软件可靠性增长模型

利用模拟退火算法对动态模糊神经网络的自身参数进行动态调整(SAA-DFNN),并将其应用于软件可靠性增长模型(SRGM)的研究。用软件失效数据在对动态模糊神经网络进行训练的过程中,用模拟退火算法求得动态模糊神经网络自身参数的优化解,根据得到的参数建立基于动态模糊神经网络的软件失效数据预测模型。根据3组软件缺陷数据,将SAA-DFNN建立的SRGM与模糊神经网络(FNN)、BP神经网络(BPN)、G-O模型建立的SRGM的预测能力进行比较,仿真结果表明,根据SAA-DFNN建立的SRGM的单步向前预测能力稳定,预测误差小,并具有一定的通用性。     

一种新的激光刻蚀字符的识别方法

通过对铭牌字符结构特征和字符之间相对关系的分析,提出基于神经网络和隐马尔可夫模型的激光刻蚀字符的识别方法。提取字符图像中的端点、三叉点和四叉点,对传统三叉点的提取方法进行改进,并利用神经网络的方法计算出对应每个字符的概率值,再根据隐马尔可夫模型计算出状态转移的最大似然,从而识别整个字符串。实验表明上述方法适用于激光刻蚀铭牌字符的识别。     

Integrating artificial neural networks and geostatistics for optimum 3D geological block modeling in mineral reserve estimation:A case study

In this research,a method called ANNMG is presented to integrate Artificial Neural Networks and Geostatistics for optimum mineral reserve evaluation.The word ANNMG simply means Artificial Neural Network Model integrated with Geostatiscs.In this procedure,the Artificial Neural Network was trained,tested and validated using assay values obtained from exploratory drillholes.Next,the validated model was used to generalize mineral grades at known and unknown sampled locations inside the drilling region respectively.Finally,the reproduced and generalized assay values were combined and fed to geostatistics in order to develop a geological 3D block model.The regression analysis revealed that the predicted sample grades were in close proximity to the actual sample grades.The generalized grades from the ANNMG show that this process could be used to complement exploration activities thereby reducing drilling requirement.It could also be an effective mineral reserve evaluation method that could produce optimum block model for mine design.     

FastICA遗传神经网络算法

针对反向传播（BP）算法和基于负熵固定点迭代快速独立分量分析（FastICA）方法各自的优缺点,提出了FastICA遗传神经网络算法,对滚动轴承进行故障识别.首先对信号进行FastICA分离,得到振动信号故障信息的独立分量,每个独立分量对应着相应的能量,将各个独立分量的能量构成特征向量;其次利用遗传算法对BP神经网络的初始权值和阈值进行优化,得到遗传神经网络;最后将特征向量作为遗传神经网络的输入样本进行故障识别.利用该方法对滚动轴承多类故障信号进行识别,提高了故障识别能力.