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。

自组织竞争人工神经网络在Riding认知风格分类与预测上的应用

文章介绍了一种Riding等人的认知风格理论、认知风格分析(CAS),并且简要介绍了自组织竞争神经网络、在认知风格分类上的应用以及计算机上的实现,最后简述了该系统在教学和课件制作方面的应用前景。

自组织竞争人工神经网络在聚类问题中的运用

本章以自组织竞争人工神经网络为工具 ,对全国各省的公路交通运输发展现状水平进行了聚类分析。此分类对各省发展制定下一阶段发展战略具有一定的全局指导性。通过直截利用人工神经网络中的工具箱函数 ,进行编程 ,能迅速得到正确、简明的结果 。

自组织竞争人工神经网络在颜色选择中的应用

颜色的识别一直是目前模式识别中的一个重要课题,介绍了自组织竞争神经网络结构和原理,接着利用其在分类分面的应用,推广到其在图像颜色选择中的应用,并在计算机上的实现,最后统述了该系统在工控方面的应用前景。

自组织竞争人工神经网络在砂岩型铀矿测井数据解释中的应用

详细介绍了自组织竞争人工神经网络模型结构、原理和钻孔岩性自动识别过程,给出了神经网络模型在钻孔岩性自动识别过程中的有效性实例。自组织竞争人工神经网络具有自组织能力、自适应能力和较高的容错能力;与BP算法相比较,计算量小,收敛速度快,且不需要已知的先验信息而自动确定分类类别。钻孔岩性识别结果与岩心地质编录的对比试验表明,在砂岩型铀矿测井数据的解释中,应用自组织竞争人工方法可较好地完成钻孔岩性自动分类。

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.

应用基于人工神经网络建立的新型物理图形预测Al-Zn-Mg-Cu合金固溶过程的组织演变（英文）

采用原位电阻测试法、金相显微镜观察、扫描电镜观察、透射电镜观察和拉伸测试技术研究固溶条件对Al-Zn-Mg-Cu合金显微组织和拉伸性能的影响。基于实验数据建立人工神经网络模型,将该模型用于预测实验合金在固溶过程中的电阻率变化。结果表明,所建立的模型能很好地预测合金在固溶过程中的电阻率变化。预测结果与实验值的相关系数为0.9958,相对误差为0.33%。采用预测数据可以建立一种新型的"固溶-电阻率"物理图形。该图形显示,实验合金的最佳固溶温度区间为465~475℃,保温时间为50~60 min;在该区间内第二相的溶解与再结晶对合金性能的影响将达到平衡。

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。

基于人工神经网络的杉木竞争生长模型研究

在 Von Bertalanffy生长理论的基础上 ,建立了基于人工神经网络的单木直径潜在生长模型 ,以相对植距和相对优势度为竞争指标构造了生长修正函数 ,综合单木直径潜在生长模型和生长修正函数组建了杉木人工林单木直径竞争生长模型 ,该模型预估精度高 。

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。

企业竞争力评价的人工神经网络方法

本文构造了企业竞争力评价的指标体系 ,为了更科学地评价企业的竞争力 ,提出了一种基于人工神经网络评价的新方法 ,确定人工神经网络模型的最优算法准则是 :各企业竞争力评价值与理想值越接近越好。经实例验证 ,采用这种方法获得的评价结果是令人满意的。

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。