人工神经网络在化学中的应用进展

简述了人工神经网络的主要特点和最常用的类型———误差反向传递网络 (BP网络 ) ,将人工神经网络在化学中的应用分为 7个方面 :过程控制与故障检测、蛋白质结构预测、谱图分析、优化问题、化学反应产物及产率的预测、定量构效关系、模式识别 ,并分别讨论了人工神经网络模型算法研究的基本情况。

人工神经网络在光度法中的应用进展

简述了人工神经网络的主要特点和最常用的类型———误差反向传递网络 (BP网络 ) ,将人工神经网络在光度法中的应用分为 3个方面 :多组分的同时测定、非线性定量、形态分析 ,并分别讨论了人工神经网络模型算法研究的基本情况。

基于模糊支持向量机预测胎重的方法研究与比较

胎重的准确预测在胎儿监护中具有重要作用,为提高胎重预测的准确性,提出一种基于模糊支持向量机的预测方法。通过在支持向量机中引入模糊逻辑,抑制由测量误差造成的异常数据对预测模型训练的影响,提高了胎重预测对参数测量误差的鲁棒性。对600例数据构成的训练集和150例数据构成的测试集进行应用,比较了模糊支持向量机和以前的回归方法、误差反向传递神经网络、支持向量机在胎重预测中的性能。结果表明:与其它方法相比,模糊支持向量机能获得更准确的胎重估计。

一种新型神经模糊系统结构、算法及其应用

利用人工神经网络的优势，将模糊系统构造成一种神经网络系统，可有效地解决某些应用中模糊规则难以获得的问题。本文提出了这样一种系统的结构和学习算法，并将其应用在火灾自动探测中，取得了良好的效果。

电火花线切割加工工艺参数优化研究

在对国内外电火花线切割加工的研究现状及发展趋势综述基础上,针对加工工艺参数优化采用理论分析的方法进行研究。分别通过传统的统计分析法和人工神经网络对线切割加工工艺参数进行优化。统计分析法采用正交矩阵法建立了工艺指标与影响因素之间的关系模型,通过约束优化法进行参数优化;采用误差反向传递神经网络的智能方法通过对实验数据的学习来对工艺参数进行优化,结果表明神经网络方法优于传统方法,为进一步实用化奠定了基础。

基于最小二乘法的多层前向神经网络构造学习算法

提出了一种基于最小二乘法的多层前向神经网络构造学习算法．神经网络的结构在学习的过程不断变化，通过动态生成节点和学习误差反向传递，利用最小二乘法实现神经网络的快速学习．仿真结果表明，该学习算法具有学习速度快，学习精度高。

基于多参考相关系数法和BP-ANN建立紫石英的近红外光谱定性模型

目的:基于多参考相关系数法和误差反向传递人工神经网络(BP-ANN)建立矿物药紫石英的近红外光谱定性模型,用于紫石英的生品、煅制品、醋煅品和伪品的快速鉴别。方法:采集紫石英、紫石英煅制品、紫石英醋煅品及紫石英伪品这4类不同紫石英样品的近红外光谱,对光谱进行二阶导数和9点平滑预处理,计算多项相关系数。在Matlab 2014a软件中将多项相关系数作为输入数据,以BP-ANN建立4类不同紫石英样品的快速鉴别模型。结果:建立了紫石英近红外光谱BP-ANN鉴别模型,模型验证结果显示,15批验证样品中14批样品预测结果正确,仅1批样品预测有误,准确率达93.33%。结论:建立的紫石英近红外光谱BP-ANN鉴别模型能通过一次性整合的运算区分紫石英生品、煅制品、醋煅品及其伪品,鉴别结果准确可靠。此外,模型在近红外光谱相关系数法基础上,以多个参考光谱为对照计算所得的多组相关系数作为网络特征输入数据,实现了光谱数据的压缩。