基于神经网络基础上的两种系统安全综合评价方法

从工业企业生产发展的特点出发,在界定安全评价概念的基础上，从系统论的角度简要介绍了运用三层BP神经网络技术进行安全综合评价的方法和安全模糊综合评价方法。通过对这两种较为流行的安全评价方法进行分析，指出了传统评价方法的不合理性，辨证说明了这两种评价方法的优越性。     

微地震相分析在河流储层精细描述中的应用

传统地震相分析满足不了目前油田勘探开发的需要。神经网络微地震相分析将神经网络应用于高质量三维地震数据体中，可对单一反射同相轴进行波形信号分析和训练，建立模型地震道，并对实际地震道分类，进而得到在平面和剖面上精度较高的微地震相分布。采用该方法并结合测井资料，在研究区块中建立的微地震相分布图能够清晰地表现出该区块的沉积微相特征，且较好地解释了工区内2口井的产能差异，表明神经网络微地震相分析是可靠和有效的。     

基于ANN的声目标识别系统及其DSP实时实现

介绍了一种基于人工神经网络(ANN)的声目标识别系统,概述了用MATLAB专用工具箱对神经网络权值进行训练及仿真的过程,叙述了ANN目标识别系统的数字信号处理器(DSP)实时实现过程,并着重分析定点实现过程中程序变量的定标、非线性运算的实现、溢出的处理等关键步骤.对不同字长的识别结果进行比较表明,基于定点实时实现的系统数据保持很高的精度,可以得到与浮点处理相同的识别率.     

神经网络系统学习过程初探

本文给出了神经网络系统学习过程的一个随机模型--马尔柯夫模型,从最大熵原理的 观点讨论神经网络系统的学习过程,提出将神经网络系统的学习过程分为两个阶段的想法并 给出学习过程的算法.     

基于奇异值分解和神经网络的个性化信息模式识别

随着信息资源的持续增长，信息获取系统为特定用户提供特定信息服务的需求越来越重要。该文提出了基于奇异值分解和神经网络的个性化信息模式识别的方法，可以方便地获取用户信息需求的特征，并且利用这些特征信息完成个性化的信息识别和匹配，即实现个性化信息的模式识别，进而实现信息的个性化获取和管理。该文中的算法实现简单，可以方便地应用到目前的一些信息管理、服务系统中。     

神经网络分类器的快速构造算法

使用ＢＰ算法训练多层网络的速度很慢而且事先难于确定隐节点和隐层的适当数目。本文提出一个有效的算法，先构造决策树，然后将构造的决策树转换为神经网。文中使用一个全局准则函数控制决策树的增长，它较好地匹配了树的复杂性和训练样本量及错分率界。实验结果，本文的算法比用ＢＰ算法训练多层网络要快，而其分类精度不低于用ＢＰ算法训练的多层神经网。     

智能控制的理论和方法

本文简要地回顾了智能控制的发展过程，讨论了智能控制的几个主要理论与方法，最后对智能控制的发展提出了作者的看法。     

快速二阶BP网络及其在城市用水量预测中的应用

针对BP网络收敛速度慢，易导致局部极小值的缺点，提出一种快速二阶BP网络，并以城市年用水量预测为例，与BP网络对比，结果表明，该方法加快了收敛速度，提出了结果的准确度。     

神经网络用于三元分子混合物密度与粘度的预测

以二元系实验为基础，利用反向转播算法训练神经网络，构造混合物组成，温度等与物性关系的模型，用于对４个三元混合物体系（１）邻二甲苯－间二甲苯－对二甲苯；（２）四氯化碳－环己烷－２－丙醇；（３）甲醇－丙酮－水；（４）水－甲醇－乙二醇的密度和５个三元混合物体系（１）信甲苯－间二甲苯－对二甲苯；（２）四氯化碳－环己烷－２－丙醇；（３）氯仿－２－丙醇－２－丁醇；（４）甲醇－丙酮－水；（５）乙醇－甲醇－水的粘