人工神经网络在监测刀具切削状态中的应用

基于人工神经网络提出一种刀具磨损模型，训练时该网络上多个传顺组成的输入矢量与由实测刀具磨损量组成的输出矢量联系起来，两矢量均作用于网络。实际运用时根据训练时已建立的“模型”，融合多个传顺的数据，给出了刀具磨损的估计值。     

神经网络模拟框架柱低周反复加载试验性能初探

利用神经网络的智能特点，通过对一框架柱在低周反复水平荷载作用下行为的“学习”，来模拟框架柱经受不同荷载历史的性能。模拟结果试验检验，符合良好，表明了用神经网络模拟试验代替部分真实验是可行的。     

企业成长预测的神经网络模型

提出一种基于灰色系统和人工神经网络的企业成长预测模型，并运用国内一家著名高科技公司的经营数据作为样本，进行学习 ,推理，对企业未来业绩进行了预测，结果表明，人工神经网络应用于企业成长的预测是可行和有效的。     

一种预测内燃机稳态排放特性的方法

为预测内燃机在额定工况范围内的排放特性，综合利用试验和模拟研究的优势，基于少量有代表性、易于实现的排放试验结果，利用神经网络的非线性映射能力，建立神经网络排放预测模型，研究结果表明该方法是可行的，提供了快速了解内燃机排放特性的手段。     

手写体数字识别的一种模糊神经网络方法

将模糊特征取技术与区组设计前馈网络相结合用于手写体数字识别。实验表明，该方法对５００个未学习样本的识别率达到了９５．８％。这一结果，相当于或优于目前已经发表的先进成果。     

CLASSIFICATIONS OF EEG SIGNALS FOR MENTAL TASKS USING ADAPTIVE RBF NETWORK

Objective This paper presents classifications of mental tasks based on EEG signals using an adaptive Radial Basis Function (RBF) network with optimal centers and widths for the Brain-Computer Interface (BCI) schemes. Methods Initial centers and widths of the network are selected by a cluster estimation method based on the distribution of the training set. Using a conjugate gradient descent method, they are optimized during training phase according to a regularized error function considering the influence of their changes to output values. Results The optimizing process improves the performance of RBF network, and its best cognition rate of three task pairs over four subjects achieves 87.0%. Moreover, this network runs fast due to the fewer hidden layer neurons. Conclusion The adaptive RBF network with optimal centers and widths has high recognition rate and runs fast. It may be a promising classifier for on-line BCI scheme.     

混合遗传BP算法在图象识别中的应用

介绍了传统的遗传算法与BP算法，分析了它们各自的不足。提出了一种将BP算法与遗传算法有机结合的混合智能计算方法，并且给出了具体的算法实现流程。将该方法应用于数字图象识别，经过实验表明混合算法优于传统BP算法。     

神经网络方法在钢箱梁施工过程控制中的应用

介绍了BP网络方法在钢箱梁施工控制中的实施过程，根据网络预测结果为合扰段实施过程提供参考依据，通过具体实例，验证了该方法在桥梁施工控制过程中的可行性和实用性。     

基于神经网络的路口交通流转向比预测

为了预测路口交通信号控制所需的转向交通流量,提出了基于改进BP(back-propagation)神经网络的路口交通流转向比预测模型,给出了相应参数的计算方法;采用自适应学习率和动量梯度下降法以提高神经网络的学习速度和算法的可靠性,并用调查数据对模型进行了检验.研究结果表明,与传统的平均值法相比,用所提出的模型,平均绝对相对误差减小约1%~3%.     

基于BP神经网络的煤炭企业可持续发展评价

在分析煤炭企业可持续发展评价方法的基础上，建立了煤炭企业可持续发展评价指标体系，构建了基于误差反向传播算法（BP算法）的多层前向神经网络模型．为减小希望输出与实际输出之间的误差，从输出层神经元到输入层神经元逐层反向修正各连接权，并在网络训练学习的过程中不断执行误差反向传播修正，以提高网络对输入模式响应的正确率．通过算例验证了运用BP神经网络评价煤炭企业可持续发展的有效性和准确性．