用PNN人工神经网对水泥28天抗压强度分类

研究了用ＰＮＮ人工神经网对水泥２８ｄ抗压强度分类的问题，以及提高分类精度的方法，最后，给出实验结果，说明了方法是可行的。     

提高遗传算法收敛速度的方法

我们知道简单遗传算法的搜索速度太慢，为了提高自救的速度，本文提出了加快算法速度的方法。它们是保持当前最好解，每次搜索不同的区域，及改变种群后表示变量的串长（接近最优解时，缩小搜索的步长）。先用不同的方法，分别进行计算机模拟，再把上述几种方法结合，进行模拟。后一种模拟结果显示，这种方法极大地提高了遗传算法的速度，可以反它应用于某些实时控制中。     

正交遗传算法

本文提出正交遗传算法.该算法把正交设计与遗传算法结合起来,用正交设计确定区间水平,在每个区间水平按遗传算法进行搜索,正交设计能够发现包含最好解的区间水平,再在这个区间水平使用遗传算法进行搜索.反复使用上述算法,当前区间水平变小.最后,当前区间水平变为一点了,它就是这些区间水平的最优点.借助正交设计,本文证明了正交遗传算法是收敛的和进行了计算机模拟.模拟结果显示该算法是有效的和可行的.     

用BP人工神经网对28天水泥抗压强度分类

本文研究了ＢＰ人工神经网对２８天水泥抗夺强度进行分类以及提高分类精度的方法。最后，给出模拟实验结果，实验结果显示分类精度是很主的，说明了人工智能的方法用于建材工业是可行的。     

基于欧氏距离提高人工神经网的识别精度的方法

介绍了 Probabilistic Neural Networks(PNN)网的结构和算法 ,给出了点积和生长等相关概念的定义 ,研究了它们的性质 ,并用生长的方法改造训练样本集以便提高识别精度 .在模拟实验中 ,直接使用 PNN的算法 ,不能对水泥强度测试样本正确分类 ,使用本文提出的方法 ,能够对水泥强度的测试样本正确分类 ,识别率达到 10 0 % ,从而显示本文提出的方法是可行的和非常有效的     

一种改进的遗传算法

给出一种使适合度函数参数、交叉概率和突变概率随搜索精度自适应调整的遗传算法,并以直接从输入输出数据中提取模糊规则为例与常规遗传算法进行了仿真比较,该算法明显优于常规算法。