快速凝固Cu-Cr-Zr合金时效工艺人工神经网络模型

快速凝固是一种获得高强度和高导电铜合金的有效途径。通过对时效温度和时间与硬度和导电率样本集的学习，采用Levenberg—Mar—quardt算法和四层BP网络建立了通用的快速凝固Cu—Cr—Zr合金时效工艺神经网络模型。实验结果与预测值吻合良好，从而为预测和控制该工艺性能开辟了新的途径。     

人工神经网络在林业中的应用研究与展望

4简要介绍了人工神经网络的基本概念，论述和分析了人工神经网络在森林规划与管理、水土流失的等级及林地等方面的分类，森林预测模型、林业工程的过程控制等方面的应用，并进一步研究了人工神经网络在精确林业及树木特征数据库的建立等方面的应用。     

基于人工神经网络和优化技术的连杆机构

该文研究了把人工神经网络与优化方法相结合起来综合一个合适的平面连杆机构，来设计用户要求的连杆曲线。重点讨论了连杆曲线的知识表示方法     

基于BP网络的MOTOMAN机器人运动学逆解研究

探讨了BP网络在MOTOMAN机器人在运动学逆解中的应用。利用正解的结果作为训练样本，通过逐次训练6个输入节点、2个隐层、单输出节点的BP网络得到机器人从工作空间到关节空间的非线性映射，从而实现运动学逆解计算。     

应用层次结构神经网络评价露天矿区资源条件

运用分层次结构的人工神经网络系统对露天矿区资源条件进行了综合评价,为露天矿区的合理开发提供了一种新的决策方法．     

人工神经网络在石油分析中的应用研究(Ⅰ)——BP神经网络预测石油馏分临界性质

基于面向对象程序设计的设计思想,定义３种新的神经元结构体类型变量,研究了４种变形ＢＰ神经网络模型,引入神经元非线性敏感度因子、动量因子和阈值的动态修正,在一定程度上克服了传统ＢＰ网络收敛速度慢、易陷于局部极小的缺陷,将４种模型应用于石油馏分临界性质的预测,取得较一般常规非线性处理方法更高的预测精度。     

基于遗传算法的TSP问题求解

遗传算法（ＧＡ）是一种基于自然群体遗传机制的高效搜索算法,由于它在搜索空间中同时考虑许多点,这样就减少了收敛于局部极小的可能,同时也增加了处理的并行性。因此,可以利用遗传算法研究典型的组合优化实例———ＴＳＰ问题的求解问题,相应的求解方法称为遗传优化算法。计算机模拟结果表明,与Ｈｏｐｆｉｅｌｄ神经网络算法相比较,遗传优化算法不仅在收敛速度方面优于神经网络算法,而且通过较少的计算量就可以得到优于神经网络算法而更接近于最优解的满意解。     

采用人工神经网络技术对高压线缆绝缘破坏预测的研究

采用神经网络技术,进行了预湍高压输电线缆接头处绝缘破坏的试验研究,实验中神经网络的学习方式采用了随机逼近方法,这种方法很容易用结构简单且造价便宜的模拟电路实现,本试验结果还证实了利用神经网络技术对预测高压输电线缆接头处绝缘破坏是可行的。     

人工神经网络在电力变压器色谱分析中的应用探讨

通过对人工神经网络与电厂设备在线监测的分析,探讨将人工神经网络应用于电厂设备在线监测系统实现实时监控的必要性和可行性。     

时间分割的池计算网络及其动力学

为解决针对给定任务构建合适的神经元池问题,提出了一种时间分割的神经元池设计方法,该方法将多个子神经元池顺序连接,每两个相邻的子神经元池之间嵌入一个滞后环节以构成时间分割的神经元池,每个子神经元池只需处理一段时间的信息,从而达到复杂记忆任务分解的目的.输出层可对各子神经元池的状态进行整合以获取不同时段的输入特征.对多阶层振荡器的实验表明,在宏观参数相同的情况下,时间分割的池计算网络比常规池计算网络具有更强的记忆能力,能够产生更加多样化的动力学行为.