人工神經網絡是對生物神經系統的模擬，它的信息處理功能與網絡單元的特*密切相關。
模具生產週期預測，製造週期，設計週期，人工神經網絡BP算法。
此外，以氣温、縱座標和橫座標為網絡輸入，拱肋標高為網絡輸出，建立了拱肋標高的人工神經網絡模型。
結果表明，人工神經網絡方法*能良好，可望成為地震序列類型預測的有效工具。
採用了人工神經網絡技術對繼電器製造中銅線在*銅片上的點焊進行了質量監測。
本研究設計了適用於GPS單點定位計算的BP人工神經網絡模型結構，採用共軛梯度算法改善網絡的訓練速度和精度。
為研究人工神經網絡模型對成績預測的效果，建立人工神經預測模型，對鉛球運動員的成績進行評估和預測。
為此，本文采用了人工神經網絡作為工具建立鍋爐運行中飛灰含碳量和煤的元素分析的預測模型。
第二種方法是一種新穎的建模策略，它把晶體生長率作為非線*逼近器的人工神經網絡（ANN）與由蔗糖晶體質量平衡所表述的先前既定的知識相結合。
作者最後利用人工神經網絡多屬*反演得到全區的視電阻率和剩餘電阻率曲線，主要用於油氣檢測，最終圈劃出有利油氣儲集區，並找到有利油氣圈閉高81東塊。
人工神經網絡訓練使用進化策略。
用人工神經網絡法對降水變率進行分類。
介紹了人工神經網絡在非線*多組分校準中的應用。
探討了人工神經網絡和遺傳算法在酶法提取綠豆渣水溶*纖維素工藝優化方面的應用。
應用人工神經網絡模型，分析裝*量、*眼數量等爆破參數對巷道掘進循環進尺的影響。
表明人們在參考生物神經系統來建立人工神經網絡系統時必須慎重對待生物神經系統的某些特點。
建立了自壓式樹狀管網兩級優化設計模型，並用人工神經網絡法實現樹狀管網非線*規劃模型的快速求解。
通過對某一柴油機噴油器典型故障的實驗模擬，用串接式壓力傳感器測取高壓油管的燃油壓力波，並利用人工神經網絡模型進行了故障診斷。
並以東靈山遼東櫟林生態系統為例,基於生態系統的結構、功能、環境適應*及系統服務特徵,建立了東靈山遼東櫟林生態系統健康評價的人工神經網絡*體系。
介紹了人工神經網絡的基本原理，闡述了BP網絡的算法及其侷限*。
研究人員用所謂的人工神經網絡的技術分析數據的模式。
因此，應用人工神經網絡建立熱粘塑*材料的本構關係具有重要的工程應用價值。
本論文采用人工神經網絡技術對*股票市場的預期收益率進行實*分析。
但是，當我們的人工神經網絡有成百上千個神經元時，手工確定所有必要的權重就成了一件非常困難的事情。
採用人工神經網絡結合遺傳算法，利用周向渦量，對一單級低速壓氣機轉子空間彎掠積疊曲線進行了氣動數值優化。
*神經網絡協會致力於加深對生物和人工神經網絡的認識。
研究了人工神經網絡在礦渣微晶玻璃材料設計中的應用。
利用人工神經網絡技術和分光光度法不經分離直接測定飲料中的混合*素。
本文給出了用人工神經網絡硬件構成的汽門控制器的適應*實驗結果，控制器採用BP網絡離線訓練。
人工智能和人工神經網絡是智能科學發展的兩個方向，機器人技術是目前取得的階段*的重大成果。
泛函網絡是類似於人工神經網絡的新型網絡模型，是泛函方程的網絡表達形式。
運用人工神經網絡模型對松花*流域年徑流量徑流序列做出預報，表明了人工神經網絡模型在水文預報中具有一定的優勢。
運用人工神經網絡模型對漫灣徑流序列做出中長期預報，其結果與傳統數理統計方法的預報結果進行了比較，表明了人工神經網絡模型在水文預報中具有一定的優勢。
通過本文的研究表明，將人工神經網絡延伸應用於商品住宅價格的預測具有一定的可行*、可靠*及實用*。
其次介紹了人工神經網絡方法，用常用的BP網絡模型對發電機空載特**。
本文分析了人工神經網絡的特點及模型，以及其在普通硅*鋁纖維壽命預測中的應用。
實踐表明：兩種模型對毛條的豪特長度、長度變異、短纖維含量和精梳落毛率均能進行較為準確的預測，其中人工神經網絡預測模型預測效果優於統計迴歸模型。
在結構可靠*分析中，通過人工神經網絡擬合極限狀態函數，藉助神經網絡的函數映*關係產生極限狀態函數值。
結果表明：利用人工神經網絡模型的非線*映*功能，可以較好地給出工程爆破引起的近區自由場力學規律，對於同類型問題的研究，也有着很重要的意義。
針對鋁合金的電阻點焊，研究了人工神經網絡在點焊質量估測中的應用。
利用人工神經網絡模型來模擬反應精餾過程。
所建立的廣西省3個預報區域的人工神經網絡預報模型對中雨以上降水量級預報的TS評分分別為0。0。5和0。26，比目前業務預報中參考使用的T213和日本數值預報產品降水預報具有更好的預報效果。
將人工神經網絡技術應用於肥城煤礦區煤層底板突水預報中，並且開發研製成突水預報人工神經網絡系統。
文章利用人工神經網絡理論,通過對設備振動信號進行採集、理和提取特徵參數的方法,對裝載機機械系統工作狀態進行智能監測與故障診斷。
本文采用基於知識的人工神經網絡模型模擬微帶徑向短截線的特*，利用已經具有的先驗知識減小神經網絡輸入輸出映*關係的複雜程度有效減少了訓練樣本的數量。
國文精選館
