人工神经网络计算精度的研究

就人工神经网络的计算精度问题，建立了一个抽象的神经网络模式，并研究了单个神经元误差对整个神经网络计算精度的影响。     

人工神经网络理论及其应用

简要介绍了人工神经网络的发展过程和基本理论，从神经网络具有自学习功能、联想存储功能和高速寻找优化解的能力三个方面论述了其特点和优越性，详细阐述了在模式识别、信号处理、自动控制、人工智能、自适应的人机接口、优化计算、通信以及其它方面的应用，探讨和分析了其发展前景。     

人工神经网络的发展及现状

人脑由复杂的神经网络构成,拥有极强的信息处理、学习和记忆能力,并且具有功耗低、神经元密度高等特点。利用现有的电路元件搭建出类似大脑功能的人工神经网络成为当今人工智能研究的热点。在人工神经网络的研究中,信息的编码、神经元模型的建立以及突触的选择是最关键的3个要素。分别介绍了4种不同种类的编码方式和4种不同类型的神经元模型。对忆阻器用作神经突触的特点进行了简要阐述,并对其数学模型和对应的工作方式作了详细概括。     

人工神经网络技术及其应用的探讨

众多网络技术控制系统中人工神经网络技术是一种新型的控制系统,具体在互联网动态模拟、互联网建模以及互联网技术系统控制方面具有非常广泛的应用。为了方便相关人员进行人工网络技术的研究,具体从神经网络的发展历程展开分析,将人工神经网络技术的结构进行阐述,提出了较为常见的几种人工神经技术系统的优势和劣势,同时,将人工神经网络技术全面应用在实际的工程项目中,并且做出相关的展望和发展趋势。     

人工神经网络在决策支持系统中的应用

在传统的决策支持系统中，加入基于神经网络的预测模块，完成了复杂的非线性预测，使决策支持系统更加的智能化、自动化。该模块采用反向传输BP神经网络模型来实现，通过网络的自适应训练和学习，找出输入和输出之间关系以求解问题。利用该系统对社会消费品零售额进行预测，结果表明该系统具有较强的实用性和通用性。     

人工神经网络模型的对比分析及应用研究

20世纪80年代以来，人工神经网络技术在理论和应用研究方面有了快速的发展，并在众多科学领域取得了大量的应用研究成果。本文对近年来受到普遍重视的人工神经网络的典型模型的性质和学习算法等方面的研究做了较为详尽地叙述，并分析了各主要模型的应用及针对其缺点进行优化的问题。     

人工神经网络在医学统计预测中的应用

当用于预测的指标和被预测指标间是一种复杂的多元非线性关系时,可运用人工神经网络的方法进行预测,本文探讨了人工神经网络理论在医学统计预测领域中的应用方法。     

Modeling of pneumatic artificial muscle using a hybrid artificial neural network approach

Pneumatic Artificial Muscle (PAM) actuator has been widely used in medical and rehabilitation robots, owing to its high power-to-weight ratio and inherent safety characteristics. However, the PAM exhibits highly non-linear and time variant behavior, due to compressibility of air, use of elastic-viscous material as core tube and pantographic motion of the PAM outer sheath. It is difficult to obtain a precise model using analytical modeling methods. This paper proposes a new Artificial Neural Network (ANN) based modeling approach for modeling PAM actuator. To obtain higher precision ANN model, three different approaches, namely, Back Propagation (BP) algorithm, Genetic Algorithm (GA) approach and hybrid approach combing BP algorithm with Modified Genetic Algorithm (MGA) are developed to optimize ANN parameters. Results show that the ANN model using the GA approach outperforms the BP algorithm, and the hybrid approach shows the best performance among the three approaches.     

人工神经网络在水文领域中的应用

本文以某干旱地区的河流为典型研究对象,通过构建人工神经网络的方法,对该河流的水文情况进行预测.研究结果显示,本文中所采用的BP神经网络及其算法具有较好的精度和稳定性,可用于该地区今后水文情况的预测,同时也可为其他地区的相关工作提供参考借鉴.     

进化计算与人工神经网络的结合

进化计算和人工神经网络作为两个工具在众多的研究领域得到了广泛应用。进化计算和人工神经网络本身也得到了很大的发展。类似于生物神经网络,人工神经网络（ Ａ Ｎ Ｎ） 由一些简单的处理单元组成,这些单元通过权值的连接而相互作用。 Ａ Ｎ Ｎ 因其鲁棒性、并行性及学习能力受到特别的重视。进化计算体现了生物进化中的四个要素,即：繁殖、变异、竞争和自然选择。目前泛指各种基于生物进化原理的仿真计算方法的总称。文中首先介绍了进化计算的有关概念,包括遗传算法、进化策略等,其次就其与人工神经网络技术相结合的方法作了进一步分析探讨。主要集中于进化的网络结构设计、进化的网络训练及其它结合方法等方面的有关问题。     

二次回归分析人工神经网络

在线性回归分析人工神经网络的基础上提出二次回归分析人工神经网络,用于解决二值非线性分类问题。     

基于人工鱼群神经网络的景观生态规划方法

将改进人工鱼群- BP神经网络混合算法(RAAFSA - BP)应用于景观生态规划方法中,建立了景观生态规划的RAAFSA - BP模型,对城市景观进行规划和评价.结果表明,该算法泛化能力强,预测精度显著提高,为景观格局预测、模拟分析及景观规划提供了一种有效的方法.     

基于人工神经网络的长江水质评价模型

为了能够客观地对长江水质进行评价,在分析人工神经网络原理的基础上,通过对水质污染指标浓度生成样本的方法,生成了适用于人工神经网络模型训练的样本,并应用基于误差反向传播原理的前向多层神经网络,建立了用于长江水质评价的人工神经网络模型。将该模型用于长江水环境评价,通过模型的计算,得到长江水质类别。评价结果表明该模型设计合理、泛化能力强,对长江水质评价具有较好的客观性、通用性和实用性。     

人工神经网络法LCD色度特性化研究

目前国内外LCD的特性化研究方法已经很多.本文采用人工神经网络法定量描述了液晶显示器的颜色特性.对比S-shape模型,在实验测量的基础上,比较了两种方法的优缺点.神经网络主要研究了训练方法、传递函数、隐层数和隐层单元数对结果的影响,最后得到人工神经网络法的颜色校正模型.     

人工神经网络技术在板料激光弯曲中的应用

基于人工神经网络基本理论,建立在板料激光弯曲中预测材料表面最高温度、弯曲角度的BP网络模型。借助于MATLAB仿真软件中的神经网络工具箱作为开发平台,将试验样本数据和经过试验验证的数值计算结果作为补充的样本数据用于BP网络的训练,利用训练好的BP网络对非线性的样本数据规律进行拟合,实现激光加工工艺参数的优化,为实际生产和加工提供有效的依据。     

基于人工免疫RBF神经网络的时间序列预测方法研究

研究了一种基于免疫识别原理的径向基函数神经网络学习算法,该算法将所识别的数据作为抗原,抗体为抗原的压缩映射并作为神经网络模型的隐层中心,采用最小二乘法确定权值,提高了RBF神经网络收敛速度和精度.将人工免疫RBF神经网络应用于时间序列预测中,实例仿真结果证明了算法的有效性和可行性,为时间序列预测提供了一种新途径.