自组织竞争人工神经网络在土壤分类中的应用

利用自组织特征映射网络 (SOM网络 )的聚类功能 ,应用 MATL AB 5 .3软件编程 ,对三江平原地区的 2 1个土壤采样进行了分类 ,并与有关文献的模糊聚类分析结果进行了比较 ,指出 SOM网络可以很好地反映、提取土壤样本间复杂的信息 ,分类效果较好 。

基于人工神经网络识别的特征自组织技术

特征识别是ＣＡＤ中一项重要内容，也是一类智能化程度较高的图形模式识别问题．神经网络的智能性和并行性使它成为特征识别的最新方法．在特征的扩展型面邻接图表达方法基础上，运用神经网络识别技术，提出并实现了特征的自组织技术，从而为特征造型和特征识别提供了一种新的有效方法．

基于人工神经网络的凝固组织晶粒尺寸预测

通过分析强脉冲电磁场作用下铝合金凝固组织晶粒尺寸实验数据 ,并结合人工神经网络 ,建立了强脉冲电磁场作用下铝合金凝固组织晶粒尺寸的人工神经网络BP算法模型。研究结果表明 ,用该神经网络模型进行模拟得到的计算结果和实验数据吻合得较好 ,因此这一方法可用来对强脉冲电磁场作用下的凝固组织晶粒尺寸进行预测和控制 ,为优化实验设计提供了简便。

自组织人工神经网络与聚类法在矿区沉积物分类中实用性对比

为确切判定淮北矿区新第三纪沉积物成因类型,分别用自组织人工神经网络(SOM)和聚类分析方法对宿南等矿区的19组样本进行分类.对比发现SOM的分类结果与实际情况更吻合.从机理和应用方式上探讨了两种方法的功能差异,证明SOM方法分类操作过程简便易行,具有残缺自动识别能力,分类结果唯一,在沉积物无监督成因分类中,优于聚类分析方法.

基于人工神经网络的2A70铝合金形变显微组织预测

在Gleeble-1500热模拟试验机上对2A70铝合金试样在变形程度为60％、变形温度为360℃～480℃、变形速率为0.01～1S^-1的条件下进行等温恒应变速率压缩试验及固溶处理。分析热变形参数对合金固溶后显微组织的影响，结果表明，2A70铝合金的晶粒尺寸随温度的升高而增大，随变形程度和速率的增大而减小。采用BP神经网络的方法预测2A70铝合金固溶处理后的平均晶粒尺寸，对于样本数据，模型的相对误差不超过±5％；对于非样本数据，模型的相对误差不超过±8％。

基于自组织竞争人工神经网络的抽油系统故障诊断

抽油系统的故障诊断技术一直是采油工程的一个重要研究课题。本文将自组织竞争神经网络应用于抽油系统的故障诊断中来实现示功图的自动聚类。自组织竞争神经网络具有良好的可训练性和分类能力,理想的泛化性能,是一种快速有效的分类方法,可用于抽油系统故障的实时诊断。

基于人工神经网络预测半固态组织

试验研究了机械搅拌制备镁合金半固态浆料获得半固态组织的影响因素,在正交实验基础上,利用人工神经网络理论,以搅拌速度,搅拌时间,静置时间,浇注温度四个因素为人工神经网络输入层的四个输入参数,以半固态组织的固相率和固相尺寸为输出层的两个输出参数,建立机械搅拌制备半固态浆料获得半固态组织的预测模型。研究结果表明,应用本模型预测结果与试验结果一致,可对半固态组织的制备进行预测,并且只要改变相应的输入参数,本模型就可以适用于各种半固态制浆工艺过程。

人工神经网络在组织网络化发展评价中的应用

通过对给定样本模式的学习,构建的三层神经网络模型能够获取评价专家的经验、知识、主观判断以及对目标重要性的权重协调能力,较好地保证评价结果的客观性。实例证明,人工神经网络方法应用于组织网络化发展评价是可行和有效的。

故障树和人工神经网络在可靠性再分配中的应用

在产品可靠性设计过程中,通常情况下,可靠性指标的分配并不是一次可以完成的,不同的设计阶段有不同的可靠性分配方法。随着设计过程的深入,初步分配的结果可能会存在不合理的情况,所以在设计阶段中后期,还需要对可靠性指标进行再次分配。在进行指标分配之前,用一定的算法将所有最小割集进行筛选,再将筛选出的需要分配的最小割集利用人工神经网络进行指标分配,最终目标是将可靠性指标分配到故障树的最小割集或基本事件上。通过分配前初始可靠性与分配后的可靠性对比,可以找出产品设计中的薄弱环节进而改进设计,并在一定程度上检验了FMECA(failure mode,effects and criticism analysis,故障模式、影响及危害性分析)的结果。

基于自组织方法的人工神经网络经济预测模型的建立

本文针对神经网络的结构特性,提出将自组织方法与神经网络相结合的思想,不仅解决了输入待定的神经网络输入维数难确定的问题,而且加快了网络的收敛速度,增强了网络的适应能力。并将新建立的模型应用到经济预测中,得出了比常规经济学模型更优的效果。

自组织人工神经网络在民航旅客盈利能力细分中的应用

目前采用的基于里程的旅客划分方法不能清晰区分旅客价值,应用Kohonen T自组织特征映射的人工神经网络模型将反映旅客盈利能力的多维行为特征属性数据以有序的方式映射到对旅客盈利性判别等级的低维空间,形成对旅客正确识别的一种拓扑意义的有序图。试验结果表明,此模型对客户细分识别成功率较高,准确率可达90.8%。

关于人工神经网络的哲学思考——兼谈人工神经网络的自组织理论

本文在简单介绍人工神经网络的研究成果的基础上,探讨了人工神经网络的自组织功能,并运用马克思主义的基本原理和方法,从普遍联系。

人工神经网络──模糊控制(ANN-FC)与自组织理论──兼谈控制理论的发展过程

人工神经网络模糊控制（ＡＮＮ－ＦＣ）与自组织理论兼谈控制理论的发展过程田丽曹安照１引言近年来，人工神经网络（ＡＮＮ）以特有的信息处理能力和独到的解算能力引起人们极大的关注，呈现出广阔的工程应用前景。人工神经网络有如下几个特点（１）以分布方式存贮信息，...

人工神经网络算法在岩土工程中的应用分析

人工神经网络算法作为一种机器学习技术,能够模拟人类大脑的生理结构及工作机制。文章对人工神经网络算法的类别和工作原理进行了分析阐述,重点对分别属于前反馈型模型、后反馈型模型及自适应竞争模型的反向传播人工神经网络算法、Hopfield神经网络算法和自组织映射人工神经网络算法进行介绍,进而分析上述三种人工神经网络算法在岩土工程中的实际应用。人工神经网络算法能对土壤进行准确分类,对岩石进行准确分组,并准确预测岩石和土壤形变,对边坡的稳定性和路基沉降的预测准确性高,在岩土工程中有重要的应用价值。

人工神经网络技术与肿瘤标志物联合检测在肺癌组织分型中的价值(英文)

目的 :通过 4项肿瘤标志物联合检测 ,运用人工神经网络技术 ,提高小细胞肺癌 (SCLC)与非小细胞肺癌(NSCLC)正确判别率。方法 :用放射免疫法测定了 5 1例肺癌患者血清癌胚抗原 (CEA)、糖类抗原 12 5 (CA12 5 )、促胃液素、神经元特异性烯醇化酶 (NSE)水平 ,采用人工神经网络技术 ,探讨了 4项肿瘤标志物在肺癌组织分型中的应用价值。结果 :SCLC患者促胃液素、NSE水平明显高于NSCLC患者 ,而CEA、CA12 5水平却低于非小细胞肺癌患者。人工神经网络技术在判别SCLC与NSCLC类型中 ,总的符合率为 87.5 %。结论 :该 4项肿瘤标志物联合检测在肺癌组织分型方面可为临床提供有价值的参考资料 ,同时表明人工神经网络技术在肺癌组织分型中具有一定的实用价值。

应用自组织人工神经网络对磨削烧伤在线辨识的研究

运用三维Ｔ．Ｋｏｈｏｎｅｎ人工神经网络对磨削烧伤在线辨识进行研究。该方法通过自组织、自适应的学习过程，对磨削的２类状态（烧伤、未烧伤）进行识别。

自组织人工神经网络在矿区沉积物分类中的应用

以Matlab平台为基础,利用神经网络工具箱构建了自组织神经网络,对已知沉积相的安徽宿南等矿区的19组样本进行SOM分类,并与系统聚类分类结果进行比较;指出在无监督分类粒度分析中,SOM方法分类操作过程简便易行,具有残缺自动识别能力,分类结果惟一,可以在沉积物成因分类中应用。

自组织人工神经网络在地震综合预报中的应用

本文运用Ｔ．Ｋｏｈｏｎｅｎ自组织人工神经网络进行地震综合预报，以云南多震区──滇西南地震区为例进行实际判别计算。预测成功率较高。结果表明，神经网络方法性能较好，可望成为地震实际预报的一种有效的辅助手段。

介绍自组织人工神经网络方法与应用

介绍自组织人工神经网络方法与应用蔡煜东，许伟杰人工神经网络──Ｔ．Ｋｏｈｏｎｅｎ自组织模型人工神经网络（ＡＮＮ）是八十年代中期迅速兴起的一门非线性科学，它力图模拟人脑的一些基本特性，如自适应性、自组织性、容错性等，已在模式识别、数据处理及自动化控制等...

自组织人工神经网络在立地条件遥感分类研究中的应用

运用航空遥感图像为主信息源，获取立地要素信息，在ARC／INFO系统支持下，建立空间信息库，选取550个样本数据，训练自组织人工神经网络，然后对159个“未知”样本进行立地分类预测和容错检验。结果表明，该模型的分类、容错能力强，综合了遥感图像目视判读与计算机自动分类的优点，开拓了遥感与GIS技术相结合进行智能化土地条件分类研究的新途径。