用人工神经网络预测混杂复合材料混杂效应

本研究建立一个二输入单输出的BP人工神经网络模型，并用QBASIC语言编制了相应的软件。利用该神经网络模型对混杂效应与混杂比及分散度系数间关系进行了预测。研究结果表明，网络经过61223次的迭代，预潮值误差为0．12％，具有很高的预测精度，可用于混杂复合材料混杂效应的预测。     

萃取精馏溶剂选择的研究进展

本文概括论述了萃取精馏过程中影响溶剂选择的因素，在此基础上着重介绍了溶剂的选择方法，性质约束方法可分为：试验法，经验筛选和活度系数法；计算机优化方法可分为计算机辅助分子设计法和人工神经网络法，对上述方法的适用性作了详细的讨论。     

人工神经网络基团键贡献法预测烷烃闪点

建立了一个基于人工神经网络方法的基团键贡献模型,用于预测烷烃闪点。该模型既考虑了分子中基团的特性,又考虑了基团之间的连接性(化学键)。以16种烷烃基团键作为神经网络的输入参数,研究了44种烷烃的闪点与分子结构之间的相关性。结果表明,闪点预测值与实验值符合良好,绝对平均绝对误差6.0 K,绝对平均相对误差2.15%,优于传统基团贡献法所得结果。该方法的提出不仅揭示了烷烃闪点与分子结构之间的定量关系,而且为工程上提供了一种预测有机物闪点的新的有效方法。     

塑料老化性能及使用寿命预测的新方法

提出了利用人工神经网络方法对塑料自然老化性能时间序列进行预测的方法，并建立了计算模型，在此基础上本方法也可对塑料使用寿命进行预测。实例计算证实了这种方法具有良好的精度。     

利用ANN法预估芳香族多硝基化合物的密度

运用神经网络模型,采用误差反向传播算法,对一系列芳香族多硝基化合物的密度进行了预测.结果表明,芳香族多硝基化合物的密度与其分子结构存在良好的相关性,选用分子结构描述码作为输入特征参数能取得较高的预估精度,预测结果的相对误差一般在±10%以内.     

一种改进的视网膜图像中微小动脉瘤的检测算法

基于糖尿病性视网膜病变中最早出现的微小动脉瘤病症进行了研究,提出一种有效的微小动脉瘤检测算法。首先在传统模板匹配算法的基础上提出了一种动态多参数模板匹配算法,并且使用相对误差和与相关系数来共同制约匹配度,从而实现了更为精确的匹配提取;其次提出了基于分布特性的计分策略和自适应加权的汇总策略,避免了单纯采用各个特征量作为独立约束指标进行筛选时忽视各个特征量的约束力大小的弊端。实验结果表明,该检测算法能够有效地提高微小动脉瘤的检测真阳性率。     

基于人工神经网络的车间产能预测

通过车间25个月的实际生产数据作为历史样本数据,找出对产能起主要影响作用的因素,并利用人工神经网络来训练并预测4个月的车间产能,与实际产能作对比,分析其准确性和可靠性,取得了良好的效果。可协助排产员在进行相应的排产时,合理有效的安排生产,同时可为企业管理层在做相关的决策、分析时,提供参考依据。     

基于神经网络和遗传算法的薄壳件注塑成型工艺参数优化

建立了基于神经网络和遗传算法并结合正交试验的薄壳件注塑成型工艺参数优化系统。正交试验法用来设计神经网络的训练样本，人工神经网络有效的创建了翘曲预测模型；遗传算法完成了对影响薄壳塑件翘曲变形的工艺参数（模具温度、注射温度、注射压力、保压时间、保压压力和冷却时间等）的优化，并计算出了它们的优化值。按该参数进行试验，效果良好，可以有效地减小薄壳塑件翘曲变形，其试验数值与计算数值基本相符，说明所提出的方法是可行的。     

人工神经网络预测阴离子表面活性剂的临界胶束浓度

根据定量结构-性能关系原理,利用人工神经网络模型,采用Wn、S和Sn三种拓扑指数描述阴离子表面活性剂的分子结构并作为网络输入,预测阴离子表面活性剂的临界胶束浓度。确定了网络参数,利用43组数据对网络进行训练和预测,并与文献值进行了比较。结果表明,预测精度较高,说明人工神经网络方法具有很好的预测能力。