一类神经网络逼近可积函数

用连续模刻画了实轴上Cardaliguet-Eurrard型神经网络算子逼近连续函数速度的上界估计,同时,对于Lebesgue可积函数的逼近,构造相应的神经网络算子,并且给出其逼近速度的Jackson型估计.     

每层3个节点的神经网络对连续函数的逼近

主要研究了多层前馈人工神经网络对Rd上连续函数的逼近,证得每层3个节点的n(n+d-1/d-1)层前馈人工神经网络可以按任意给定的精度逼近任一总次数为n的d元代数多项式,并给出d=1时的实例验证.此外,由Weierstrass定理,所构造的前馈人工神经网络可以按任意给定的精度逼近连续函数.最后,将该结论推广到多维输出的情形.     

有理插值算子对连续函数的逼近

本文给出了有理插值算子当1＜S＜Z及S＞2时的Timan型逼近阶，从而推广了已有的S＞3的结果．     

拟交错逼近的参量误差估计

在实际计算离散最佳逼近时，通常仅得到“拟最佳”（即有ε－拟交错性质）逼近，故有必要估计（未知）最佳逼近与计算得到逼近之间的误差。文中借助于广义强单一性常数去估计逼近中的参量误差。     

利用正系数多项式的倒数逼近非负连续函数的一个收敛估计

参照了Ｌｅｖｉｎ（１９８８）和Ｌｅｖｉａｔａｎ（１９８９）的方法，用Ｌｏｒｅｎｔｚ（１９６３）的正系数多项式集合的方法，再得到了利用正系数多项式的倒数逼近非负连续函数的收敛逼近阶。     

人工神经网络的单调序列逼近

设Nn,Ф是以Ф为激活函数的具有n+1个神经元的前向单隐层人工神经网络的全体.主要证明了,若f∈C[0,1],则对于任意的ε>0,存在两个神经网络序列{Pn,Ф}和{Qn,Ф},使得在[0,1]上Qn,Ф(x)≤Qn+1,Ф(x)≤f(x)≤Pn+1,Ф(x)≤Pn,Ф(x),而且Pn,Ф(x)-Qn,Ф(x)≤(6+4(2~(1/2)))En,Ф(f),这里的En,Ф(f)为Nn,Ф中的元对f的最佳逼近.     

密度函数递归核估计的Bootstrap逼近

设X1，X2，…xn是从分布密度函数为f（x）的总体中抽取的独立同分布的样本，f（x）的递归核估计fn（x），本文讨论了fn（x）的渐近正态性以及Bootstrap逼近问题．     

螺纹中径当量的全微分优化逼近算法及图形仿真

本文建立的螺纹中径当量全微分优化逼近模型，考虑了螺距偏差，螺距累积偏差和半角偏差本身及其相互间对中径的综合影响，并用理想螺纹在径向和轴向二维逼近实际螺纹，计算机计算表明，本文提出了全微分优化逼近算法优于常用算法及三点接触式算法，经计算机图形仿真显示算法是正确的。     

一个二元周期函数类用三角多项式的逼近

得到了二元周期可微函数类△^rp在空间Lq尺度下用三角多项式的最佳逼近精确阶。     

基于卷积神经网络的水下多目标方位估计方法

针对水下多目标方位估计问题,提出了一种利用卷积神经网络模型对目标声源进行方位估计的方法。该方法使用不等强度的声源数据进行训练并使用焦点损失函数作为训练损失函数。通过对阵列接收到的信号进行特征提取,使用焦点损失函数指导卷积神经网络训练,最终利用训练好的卷积神经网络模型进行目标方位估计。对不同模型参数的训练进行对比,结果表明所训练的卷积神经网络模型在较低信噪比条件下也能正确估计弱目标的方位。试验结果表明,与采用二元交叉熵损失函数的卷积神经网络模型相比,该方法对弱目标的方位估计能力更强,提高了方位估计的准确率。     

人工神经网络在电积锌工艺中的应用

本文提出了一种基于人工神经网络分析电积锌工艺的方法 ,通过仿真计算 ,表明这种方法切实可行     

神经网络对C（R^-）中函数的偏差估计

利用构造性的方法研究了以Sigmoidal函数为激活函数的单隐层前向人工神经网络对C（R^-）中函数的偏差估计．     

基于神经网络趋势分析

文章在分析研究了国内外现状的基础上 ,利用神经网络的非线性处理特性 ,提出了通过神经网络预测常见机械零件剩余寿命的方法 ,用实例验证了其有效性     

Ontology-based neural network for patent knowledge management in design collaboration

In order to stimulate innovation during the collaborative process of new product and production development, especially to avoid duplicating existing techniques or infringing upon others’ patents and intellectual property rights, the collaborative team of research and development, and patent engineers must accurately identify relevant patent knowledge in a timely manner. This research develops a novel knowledge management approach using ontology-based artificial neural network (ANN) algorithm to automatically classify and search knowledge documents stored in huge online patent corpuses. This research focuses on developing a smart and semantic oriented classification and search from the sources of the most critical and well-structured knowledge publications, i.e. patents, to gain valuable and practical references for the collaborative networks of technology-centric product and production development teams. The research uses the domain ontology schema created using Protégé and derives the semantic concept probabilities of key phrases that frequently occur in domain relevant patent documents. Then, by combining the term frequencies and the concept probabilities of key phrases as the ANN inputs, the method shows significant improvement in classification accuracy. In addition, this research provides an advanced semantic-oriented search algorithm to accurately identify related patent documents in the patent knowledge base. The case demonstration analyses 343 chemical mechanical polishing and 150 radio-frequency identification patents sample sets to verify and measure the performance of the proposed approach. The results are compared with the previous automatic classification methods demonstrating much improved outcomes.     

人工神经网络在材料设计中的应用

在实验数据的基础上,利用人工神经网络建立高Ｃｏ－ Ｎｉ 二次硬化钢的力学性能与合金成分及热处理温度对应关系的模型． 首次提出将五个材料力学性能指标及部分合金成分作为网络的输入,其它合金成分和热处理温度作为网络的输出,根据要求的力学性能设计材料的合金成分含量及热处理条件,获得了满意的结果,为高性能材料设计提供了一定的理论辅助手段．     

基于人工神经网络的Mg-Zn-Zr-Ce合金热压缩变形研究

为研究含稀土元素铈的镁合金中高温流变行为,利用热模拟试验机对Mg-6Zn-0.5Zr-1.5Ce合金在变形温度523～673 K、应变速率0.001～1 s-1范围内进行热压缩实验.基于真应力真应变实验数据构建了单隐层前馈误差反向传播人工神经网络模型,利用该模型对ZK60-1.5Ce合金的流变应力行为进行预测,并分析了变形温度、应变速率与真应变对流变应力的影响.研究表明:Ce添加可显著细化晶粒;该镁合金的流变应力随变形温度降低和应变速率升高而增加;其流变应力行为可用双曲正弦函数进行描述,依据峰值应力拟合求得该合金的表观激活能为161.13 kJ/mol;变形温度和应变速率对流变应力的影响高于真应变.所建立的人工神经网络模型可以很好地描述该镁合金的流变应力,其预测值与实验数值吻合良好.     

基于人工神经网络的氮化锆薄膜颜色预测模型

建立了氮化锆薄膜制备工艺参数与薄膜色度参数之间的人工神经网络预测模型，结果表明，预测结果与实测结果吻合，最大色差在5．45以内。利用所建立的模型研究了单个参数对薄膜颜色的影响规律，及多参数间交互作用与薄膜颜色的关系。并且利用神经网络根据加工要求反向预测工艺参数，从而实现了对加工参数的优化选择。