基于人工神经网络的50CrMoA钢应力强度因子幅度门槛值△Kth的预报

应力强度因子幅度门槛△Kth值受多个非线性因素的影响。在人工神经网络研究领域中，已经证明具有任意个隐层节点的前馈神经网络可以以任意精度逼近一个连续函数，因而在模式识别和函数逼近上得到普遍应用。基于该原理，采用人工神经网络的反向传播算法研究50CrMoA钢应力强度因子幅度门槛值△Kth的预报，使BP神经网络在△Kth值预报中的应用得以实现。应用实验数据比较表明：利用神经网络得到的输出值与实验值之间最大误差为1．6392％，说明该模型在学习样本数据的基础上，可以对应力强度因子幅度门槛△Kth值进行预测。且具有预测精度较高、方法简便易行的特点，并有很强的学习和容错功能。     

多层递阶决策问题的理论及其算法的研究与进展

本文介绍了多层递阶问题的基本概念和决策机制,简述了两层,三层及一般的多目标多层决策问题的模型已有的各种算法,讨论了应用的范围及进一步研究的方向。