基于人工神经网络的知识获取方法

知识获取是研制和开发专家系统的瓶颈。本文从三个方面研究了基于神经网络的知识获取方法,即通过实例学习获取知识、基于神经网络的知识求精以及从神经网络提取规则知识,分析了各自的原理及其存在的问题。     

一种前馈神经网络的整体进化方法

一、前言最近十多年来,人工神经网络,尤其是前馈神经网络和BP算法获得了极其广泛的应用。BP(Back Propagation Error)算法是由Werbos在1974年首先提出的,它有效地克服了多层网络无法解决非线性分类问题的缺陷,但在当时并没有引起重视。直到1986年,Rumelhart和McClelland等人对Werbos的算法进行了总结和分析,提出了PDP(并行分布处理)理论,并进一     

智能计算中的热点问题

1 引言人工神经网络研究热潮的再度兴起有其客观的历史背景。50年代以来,以符号机制为代表的经典人工智能形式体系取得了巨大的成功.80年代,当人们对过去30年的成就与问题进行反思时,却不得不承认,智能系统如何从环境中自主学习的问题事实上并未很好地解决。从逻辑的角度讲,以演绎逻辑为基础的算法体系可以发现新的定理,却无法发现新的定律。换句话说,基于符号推理的经典人工智能形式体系在机器定理证明方面的成功和在规则提取方面的失败同属必然。事实上,早在50年代,那些热衷于研究知识发现内在逻辑的人们就已经隐约地意识到,归纳逻辑、尤其是不完全归纳逻辑是通往知识发现的合理途径。Rosenblatt[1957]提出了感知机     

人工神经网络解析分光光度法同时测定钨和钼

用单纯形法优化了钨、钼－二溴羟基苯基荧光酮－ＣＴＭＡＢ显色体系的实验条件。应用三层ＡＮＮ－ＢＰ网络解析钨和钼的吸收光谱,分光光度法同时测定了钨和钼并与偏最小二乘法、因子分析、Ｐ－矩阵法、卡尔曼滤波、主成分回归等化学计量学方法的解析结果进行了比较,表明神经网络方法优于其它方法。使用改进的ＢＰ算法,避免了神经网络学习过程中可能产生的麻痹现象。提出了目标向量的简单变换方法及便于网络参数选择的收敛评价函数。     

人工神经网络及其在耐火材料研究中的应用

介绍了人工神经网络的发展、特点、模型及其在材料研究中的应用现状;并以反应烧结原位ZrO2-SiC（p）材料中SiC生成量的拟合预报为例,讨论了其在耐火材料研究中的应用。     

BP神经网络对快烧瓷质砖烧成工况辩识的研究

本文简述了ＢＰ神经网络结构与算法,利用ＢＰ神经网络对实验电炉焙烧瓷质砖的烧成工况进行了辩识实验,取得了较满意的辩识结果,并提出选择辩识参数时应选对烧成工况取关键作用的参数,以提高辩识模型的识别率。     

用人工神经网络模型模拟催化精馏塔

尝试用人工神经网络模型模拟醋酸甲酯水解催化精馏塔的操作过程,并寻求最佳工艺条件。以进料水酯比、回流进料比和醋酸甲酯的体积流率与催化剂体积比作为输入层的三个节点,醋酸甲酯的转化率和塔釜中的酸水比为输出层的两个节点,采用ＢＰ算法结合模拟退火算法,利用小试实验数据训练网络并检验训练结果;内插或外推一系列假想的工艺条件,让网络预测操作结果,最后确定最佳操作目标,通过网络模型寻找一组最佳工艺条件。结果表明：以充足可靠的实验数据为基础,神经网络模型能精确预测实验结果;利用人工神经网络模型对工艺条件进行优化,可取得令人满意的结果。     

模式识别─人工神经网络在改善汽车发动机缸体铸件力学性能方面的应用

利用模式识别技术对影响汽车发动机缸体铸件抗拉强度和硬度的铁水化学成分以及浇注工艺参数进行了分析,给出了影响铸件抗拉强度和硬度的主要因素的优化范围．利用经已知样本集训练的人工神经网络对铸件抗拉强度和硬度进行了预报,预报结果与实测值符合较好．     

模式识别—人工神经网络在改善汽车发动机缸体铸件力学性能方面的 …

利用模式识别技术对影响汽车发动机缸体铸件抗拉强度和硬度的铁水化学成分以及浇注工艺参数进行了分析给出了影响铸件抗拉强度和硬度的主要因素的优化范围,利用经已知样本集训练的人工神经网络对铸件抗拉强度和硬度进行了预报,预报结果与实测值符合较好。     

人工智能在材料设计中的应用

针对材料设计目标,介绍了专家系统和人工神经网络等人工智能技术的基本原理和特点及其在材料设计中的应用．并就人工智能技术在材料设计中的发展趋势进行了分析。