简介：本文通过对人工神经网络的基本概念特点发展等加以介绍,使读者能对作为当今尖端科技的人工神经网络技术有一定的了解与认识。

简介：人工神经网络技术现已成为近年来的热点研究领域，由于神经网络具有很强的自学习性、自组织性、容错性、高度非线性、高的鲁棒性、联想记忆功能和推理意识功能等，能够实现目前基于计算理论层次上的模式识别理论所无法完成的模式信息处理工作。本文介绍了采用人工神经网络进行模式识别的方法，并给出了应用实例。

简介：针对传统ERP财务管理系统非智能性而无法预测非线性成本数据的弊端,提出并构建一套基于ERP与人工神经网络的财务管理系统,决策系统的智能化为企业提供了更准确、及时、有效的财务信息．

简介：摘要：现如今，人工智能技术已然成为全球三大技术发展趋势之一，神经网络研究在其中发挥着举足轻重的作用。长久以来，机器人的操作难题一直是学术界关注的焦点。随着人工智能科技的迅猛发展，各类机器人操作方法层出不穷，其中神经网络科学被视为主流领域。本文旨在通过深入研究人工神经网络，探讨其在机器人技术中的应用与发展前景，并对机器人控制领域可能面临的神经网络技术问题进行分析。

简介：本文系统的论述了模糊控制，神经网络以及模糊神经网络的发展及现状，探讨了模糊神经网络发展当中的一些问题，指出了模糊神经网络现阶段存在的不足与发展方向。

简介：以某地区购网有功功率的负荷数据为背景，建立了三个BP神经网络负荷预测模型——SDBP、LMBP及BRBP模型进行短期负荷预测工作，并对其结果进行比较。针对传统的BP算法具有训练速度慢，易陷入局部最小点的缺点，采用具有较快收敛速度及稳定性的L—M优化算法进行预测，使平均相对误差有了很大改善，具有良好的应用前景。而采用贝叶斯正则化算法可以解决网络过度拟合，提高网络的推广能力，使平均相对误差和每日峰值相对误差降低，但收敛速度过慢（慢于SDBP模型），不适于在实际应用中采用。

简介：摘要：从神经网络算法客体判断标准出发，列举了实践中容易判断是否属于专利法保护客体的情形；并结合实际的案例， 探讨了在算法中不包含特定应用领域时，如何判断神经网络发明是否属于专利法保护客体。

简介：采用灰色关联法分析了原棉的性能指标对成纱质量的影响，并结合BP人工神经网络对成纱条干、成纱强度和成纱强度不匀进行了预测。与单纯的BP神经网络的预测结果相比，灰色关联分析法结合BP神经网络预测结果更准确，预测值与实测值之间的平均相对误差较小。

简介：摘要：高校英语教学改革是提高学生英语综合素质和应用能力的重要举措。传统的评价方法往往受限于主观性和局限性，难以准确反映改革效果。基于人工神经网络的评价方法具有数据驱动、自动化分析和预测能力等优势，可以有效解决传统评价方法所面临的问题。本文以人工神经网络为切入点，分析了其对高校英语教学改革质量评价的作用及方法，旨在推动高校英语教学改革质量评价向更科学、准确和全面的方向发展，为优化教育资源配置和提升教育质量提供有力支持。

简介：绝大多数通信信号都是具有周期平稳信号特征，CAB类算法是一种基于信号周期平稳特性下的波束形成算法。但是，由于算法中存在的矩阵求逆的巨大运算量的要求是算法的实时应用性变差。本文利用TH神经网络的巨量并行性的特点来解决算法中的这一问题，实验结果表明其性能优良。

简介：神经网络由于其非线性处理能力强。性能稳定等特点得到了广泛应用和研究。主要应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。神经网络中使用最为广泛的就是前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法(back-propagation简称BP算法)BP算法存在局部极小点。收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。

简介：利用红外光谱结合人工神经网络技术对不同厂家生产的浓缩苹果汁进行了鉴别。在800-1100cm^-1波段采集不同样品的红外光谱,利用小波分析将156个原始数据压缩至21个,然后进行主成分分析,提取前3个特征向量。以样本的前3个特征向量为输入,建立结构为3-5-1的三层BP神经网络进行训练和预测。训练样本集包含48个样本,预测样本集包含21个,预测结果正确率达95%。

简介：随着计算机处理能力的快速提高，彩色图像处理受到人们越来越多的关注。针对现有纹理识别算法计算速度慢，识别精度低等问题，本文提出了一种将颜色信息融人到纹理识别中的新方法——基于小波概率神经网络的彩色纹理识别。首先将RGB彩色纹理图像转化为HSV彩色模型，用小波变换（wT）进行树形结构小波分解提取彩色纹理的特征，然后使用概率神经网络对测试样本进行分类识别。本文对不同的自然纹理图像进行了实验，并将实验结果与文献”0做了比较。实验结果证明，本文方法的识别效果明显优于文献。

简介：特征空间的构建及组合优化是模式识别中的关键问题,它强烈地影响模式识别中分类器的性能。采用BP神经网络模型,对油气信号特征量优化方法进行了研究,并实现了油气信号的特征提取及优化。实验数据表明,该方法对油气信号特征空间降维效果明显。

简介：文章对人工神经网络在软测量技术方面的应用进行了综述与分析。给出了基于神经网络软测量技术建模的一般步骤以及开发过程中需要注意的问题

简介：摘要：随着近年来深度学习的迅速发展，不同的深度学习算法在各个领域取得了重大突破，其中卷积神经网络的“权值共享”的概念，使得大规模的网络训练变得简单，所以在图像识别领域中应用的十分广泛。本文首先介绍人像采集和图像预处理，接着利用经典卷积神经网络模型为人脸识别建模，然后评估模型性能，最后利用训练好的模型，并设置人像概率阈值，识别结果。

简介：摘 要 航材保障面临着库存积压、库存结构不合理等问题，严重影响了航材保障质量效益。其中原因之一，就是航材消耗规律把握不够准确，在一定程度上影响了航材订货决策的科学性。因此，本文将尝试根据航材的消耗规律运用BP神经网络预测方法建立模型，并通过实例计算预测，验证所建立模型的准确度，对预测结果进行分析评价航材。

简介：利用MATLAB语言及基于它的神经网络工具包根据模糊控制规则对B-P网络进行训练,并用这一网络控制倒立摆,结果表明,MATLAB中的神经网络工具包在神经网络的应用中大有作为.

简介：采用能任意精度逼近任意函数的BP神经网络对用熏硫法预处理山楂中Vc含量进行建模．建模结果表明。BP神经网络能很好地逼近Vc含量与熏硫量和熏硫时间的函数关系，能够确定最佳熏硫时间和熏硫量，并确定在此条件下的Vc含量．

简介：目的:面对我国人参价格涨跌频繁的现状,基于历史价格数据探索一种人参价格预测方法,进而有预见性的指导人参的种植、经营,防范伤农、伤商事件的发生。方法:以生晒55支规格的人参为代表,选取2012年6月至2018年5月的历史价格为实验数据,以2012年6月至2017年8月的价格为训练集,以2017年9月到2018年5月的价格为验证数据集,分别基于BP神经网络与ARIMA方法,构建人参(生晒55支规格)的价格预测模型,并将二者的预测效果进行比较。结果:ARIMA模型在平稳期的预测较为精确,BP神经网络能应对价格的突变预测。结论:BP神经网络预测模型整体优于ARIMA模型,进一步证实了BP神经网络用于价格预测的优越性。