图神经网络及其在通信网络领域应用综述

近年来,图神经网络作为人工智能领域的新兴技术,受到越来越多的关注.图神经网络凭借其处理非欧式空间数据的优良特性,已经在计算机视觉、推荐系统、知识图谱等领域获得广泛应用.同时,通信网络也在近几年拥抱人工智能技术.人工智能将作为未来网络的大脑,实现未来网络的全面智能化.诸多人工智能技术已经被应用在5G、物联网、边缘计算等领域.许多复杂的通信网络问题可以抽象为基于图的优化问题,通过图神经网络来解决,从而克服了传统方法的局限性.简述了图神经网络的定义,分类介绍了不同类型的图神经网络,总结归纳了图神经网络在通信网络领域的应用,分析了研究现状并给出了未来的研究方向.     

神经网络自适应控制系统的特性、应用与发展

吸收了人工智能有关思想的智能控制，近年来控制理论界发挥着越来越重要的作用，而人工神经网络控制又成为其重要的分支。尤其是神经网络自适应控制，由于较好地结合了神经网络和自适应控制的优点，更是引起人们及智能控制界的极大兴趣。系统地阐述了神经网络自适应控制的研究进展，介绍了神经网络自适应控制的不同结构模型和特性，并讨论了目前尚存在的问题，及其应用、发展趋势等。     

人工智能在电梯群控系统中的应用

结合国内外发展趋势，对专家系统、模糊逻辑和神经网络等人工智能方法在电梯群控系统中的应用情况作以评述。重点介绍了基于模糊神经网络的群控算法，将此种方法应用在电梯群控系统的模型预报方面，可以达到很好的控制效果。     

基于ANN-GA的注塑参数优化系统及其应用

在以人工智能技术为基础的注塑工艺参数优化系统的开发方面进行了研究．构建了以混合神经网络与遗传算法方法为基础，并结CAE技术的参数优化系统，编制了应用程序，通过工程实例，将参数优化系统的预测结果与CAE模拟结果进行比较和误差分析，显示出优化系统的稳定性和可靠性；优化结果与CAE模拟结果及实验验证的结果具有一致性，证明优化结果是正确的，表明基于混合神经网络与遗传算法方法的注塑工艺参数优化系统具有工程应用价值。     

人工智能用于机电一体化系统的探讨

人工智能应用于工程是目前工程技术研究的热点之一,本就人工智能中的专家系统、模拟逻辑、神经网络控制在机电一体化中的应用进行了探讨。     

利用神经网络预测开采引起地表沉陷

本文将人工智能中的神经元网络理论引入开采沉陷学领域，用以预测矿山开采引起的岩层与地表移动，利用神经网络对已知样本进行学习，初步探索出一条新的用来预测矿山开采沉陷的理论方法。     

基于ISSA-DRNN的英语教学质量评价模型

人工智能的发展，为高校对教学质量进行科学与全面的评价提供了新路径。对深度神经网络(DNN)进行改进，提出一种新的深度循环神经网络(DRNN)算法，同时在DRNN上引入优化的麻雀搜索(ISSA)算法，最终建立基于改进ISSA算法的深度循环神经网络(ISSA-DRNN)的大学英语教学质量评价模型。该模型既可充分提取和保留数据中有价值的特征以提高模型的评价性能，又可对模型中的隐含层神经元数目自动寻优，最终实现大学英语教学质量的精准评价。最后通过与其他方法的比较，验证了以上所提教学质量评价模型的可行性、优越性与普适性。     

预测控制机理简介及算法研究的探讨

简介预测控制的发展及概况，并以典型ＤＭＣ算法为例说明预测控制的模型预测，滚动优化，反馈校正三大核心机理，进而探讨了神经网络，人工智能等新方法在其预测模型，反馈校正方法研究中的应用。     

基于模糊神经网络的智能控制研究

模糊神经网络是一个新型的研究领域,随着人们对人工智能进行更深入、多层次的研究,使其在模糊控制、模糊决策、专家系统、模式识别等众多领域都发挥了重要作用。模糊控制的逻辑推理技术与神经网络的结合,将弥补神经网络在模糊数据处理方面的不足和纯模糊逻辑在学习方面的缺陷。     

证券投资智能决策专家系统

利用专家系统、人工智能技术和神经网络技术及计算机辅助分析决策系统，开发一套为证券投资领域里理性分析、科学投资作出智能决策的专家系统。     

统计与神经网络相结合的词义消歧模型

介绍了一种基于BP神经网络和统计方法相结合的有导词义消歧模型，阐述了BP神经网络原理，通过对使用这种混合人工智能的消歧模型的可能性和优越性进行了讨论，最后通过试验发现实际和预测结果的误差并不随着试验迭代次数而递减，而是实际误差随着次数的增加在零的附近呈现波动状态，即使用很少的迭代次数也可以得到比较好的结果。     

智能数据挖掘理论体系研究

数据挖掘是数据库系统最重要的前沿课题之一，是数据库技术、人工智能、机器学习等多学科相结合的产物．在这些学科的理论基础上，研究人员提出了许多数据挖掘理论和方法，并取得了许多重要的研究成果,在免疫计算理论的基础上，借鉴生命科学中免疫的概念与理论，围绕免疫进化、神经网络、免疫控制图等智能技术，提出智能数据挖掘理论框架体系．     

人工智能、人工生命及实现方法

介绍了人工智能在人工生命领域的发展及与此相关的三种学习体制：遗传算法、神经网络、符号学习极其实际应用。     

基于ANN-CBR的雷达故障诊断系统研究

新体制雷达系统的复杂性增加了雷达故障诊断的难度.为保证新体制雷达工作的可靠性和维修性能,运用人工智能理论,将神经网络与案例推理相结合,提出了雷达故障诊断系统结构和基于RBF神经网络故障诊断模型,给出了雷达故障案例的表示方法及快速检索算法.最后,通过实例分析证明了模型及方法的合理性和有效性.     

基于粗糙集－RBF的配电网故障诊断系统研究

为了改进人工智能方法在配电网故障诊断系统中的应用,给出了基于粗糙集理论的RBF神经网络的模型结构,然后利用训练好的神经网络对配电网进行故障诊断。采用VC＋＋语言开发工具,调用Matlab神经网络工具箱建立了一个简化的故障诊断系统,并通过配电网实例验证了方法的正确性。实践证明该系统不但提高了配电网故障诊断的容错性,使故障诊断变得更加准确有效,而且减少了神经网络样本数据,大大减少了故障诊断过程的时间。     

基于人工神经网络的智能型自适应保护（Ⅱ）仿真研究

采用一个５００ＫＶ系统的数字仿真模型，对基于人工神经网络的智能型自适应保护进行了检验。仿真结果表明，这种基于新原理的保护具有很好的自适应能力和人工智能性能。另外，汕于人工神经网络是并行运算的，训练好的神经网络的动作时间几乎为零，因此大大提高了保护动作的速度，即改进了快速性。     

基于GRU神经网络的燃煤电站NO_x排放预测模型

针对工业过程动力学建模中,输入变量特征集确定困难的问题,提出了一种基于数据驱动的门控循环单元(GRU)神经网络模型。该模型可以通过学习自动提取输入数据与输出数据间的时空特征,简化人工智能模型的输入变量个数,减少了输入的冗余信息,降低了建模过程的难度,并具有较好的精确度和泛化能力。通过使用某燃煤机组实际运行数据中与氮氧化物(NO_x)排放相关的数据作为模型输入,建立了基于GRU神经网络的燃煤锅炉NO_x排放预测模型。并分别与传统循环神经网络(RNN)和长短期记忆(LSTM)神经网络模型比较,验证了GRU神经网络模型在工业过程动力学建模中的优良性能。     

神经网络在水环境影响评价方面的应用

水质模型是水环境研究的重要工具，在水环境管理规划中起着重要作用．介绍了当前使用较多的水质数学模型及其优缺点．提出人工智能技术用于水质模型的改进方法．将神经网络应用于水环境影响评价，采用改进的BP算法进行水质模拟．该方法较之原有的水质数学模型，结果更加精确，适用范围更广．     

基于BAM神经网络的推理研究

推理作为人工智能领域中的一个重要课题,是人类求解问题的主要思维方法,人们在处理问题或人工智能领域中进行推理机设计时,往往根据问题及所处环境不同,考虑不同的推理策略以提高其效果或效率,正向推理,反向推理及双向推理为三种基本的推理策略,双向联想记忆（ＢＡＭ）神经网络是一类具有双向稳定性的反馈系统,具有简单,可靠,易于实现的特点。将双向联想记忆（ＢＡＭ）神经网络用于推理是人工智能领域中进行推理机设计的新     

人工智能在土木工程领域的应用研究现状及展望

作为新一代产业变革的核心驱动力,人工智能是全面提高土木工程领域数字化、自动化、信息化和智能化的重要方法。为全面了解人工智能在土木工程中的发展及应用,定性分析了人工智能的基本研究领域,定量分析了人工智能在土木工程设计、制造、养维护阶段的研究现状,利用CiteSpace可视化工具深入挖掘人工智能在土木工程中存在的问题、发展瓶颈和研究趋势,并给出相应的解决办法及研究思路。通过文献综述发现,土木工程领域已展开了大量人工智能研究,但各阶段智能化发展不均衡,实际应用也存在一定局限性,需深入探索神经网络、大数据、深度学习等智能技术在土木工程全生命周期的交叉融合,促进土木工程领域人工智能研究的协同发展。