可见/近红外光谱分析技术快速鉴别航天育种番茄

提出了利用可见/近红外光谱技术快速无损鉴别航天育种番茄品种的方法,采用偏最小二乘法对光谱特征信息进行提取,与神经网络结合建立番茄品种的鉴别模型.该模型将提取后的主成分作为神经网络的输入,加速了神经网络的训练速度.同时采用小波变换对大量光谱数据进行压缩,并结合神经网络建立番茄品种鉴别模型,该模型将压缩后的数据作为神经网络...     

江苏能源系统碳排放演化及控制分析

研究了江苏能源系统碳排放演化及其相关控制.基于一类新型节能减排混沌系统,借助神经网络(ANN),利用江苏省统计数据,得到满足实际情况的江苏省节能减排系统的相关参数.对系统进行演化分析,得到一些与实际符合的分析结果.结果表明:全面开展节能减排比单纯加大对节能减排的资金投入在控制碳排放、降低能源强度方面的效果更好.尽早全面开展节能减排,使得碳排放的峰值早些达到,实际系统越容易控制,越容易达到控制碳排放、降低能源强度的目标.对比分析了江苏省与全国节能减排情况,江苏省的能源强度略低于全国平均水平.利用数值仿真来展示这些结果.     

人工神经网络应用于维生素B族4组分同时测定

应用人工神经网络原理，采用Levenberg-Marquardt BP算法，对于吸收光谱严重重叠的维生素B1，B2，B6和烟酰胺4组分同时进行含量测定。四者的平均回收率分别为100％，98％，96％，100％。该方法用于复合维生素B片剂中B1，B2，B6和烟酰胺的同时测定，获得较满意的结果。实验表明，该方法与现有的算法相比具有训练速度快、预测结果准确度高等特点，有望能成为多组分分析的有效方法之一。     

基于智能化信息处理的建筑工程造价短期预测

提出了一种新的基于智能化信息处理的建筑工程造价短期预测模型.该模型首次利用数据的高阶统计信息,提出了改进独立分量分析技术.通过构建适用于建筑工程造价的属性重构空间,挖掘出表征能力更强的造价独立属性,用于神经网络的学习和训练,从而建立了全新的建筑工程造价短期预测智能模型.该模型通过发挥独立分量分析强大的信号分离能力,增强了神经网络的学习效率,提高了预测精度.实例数据验证了文中所建模型的有效性.     

人工神经网络方法预测八面体六卤化物MX^n—6的v1和v2模的振…

利用ＡＮＮ－ＢＰ算法，采用逐步改变训练步长和两个惯性项的权重系数惯性调整策略，分别以单目标和双目标的三层网络对八面体六卤化物ＭＸ＾ｎ－６的八面体ｖ１和ｖ２模振动频率进行了预测，发现单，双目标下预测的结果相差不大，双目标时权重系数调整科较快，（ＭｏＦ６）＾２－（ＢｉＦ６）＾－和（ＡｕＦ６）＾２－的振动频率文献值与网络的计算值或预测值相差偏大。     

红外光谱与人工神经网络相结合识别栽培、野生黄芩和粘毛黄芩

为了识别栽培黄芩、野生黄芩和粘毛黄芩，采用非线性－线性、线性－线性、非线性－非线性三种模式的人工神经网络（ANN）分别分析各种黄芩的红外谱。我们采用42个样本作训练集，34个样本作检验集，用各种模式的ANN进行了监督性训练。当训练目标误差平方和定为0.01时，各类ANN对训练集中三类黄芩样本识别的正确率均为100%，但对检验集样本识别的结果各不相同，其识别的正确率与隐含层节点数S1有关。我们发现当S1较大时，识别正确率反而下降，可能此时网络的非线性程度过高，使其不适合于该类样本集的训练。线性－线性型ANN识别的结果随S1的变化不很大，但识别的正确率不高，基本在85％左右。非线性－线性型ANN识别的结果最佳。当S1为3时，其识别正确率超过了97％。因此该法可用以简便、快速、准确地识别这三种黄芩药材。     

一种新的思维模型:多节拍主从结构离散神经网络(英)

本文基于McCulloch和Pitts提出的二值神经元阈值模型，以Hopfield联想神经网络为核心，加上两个从网络，构造了一个由节拍各异的三个离散网络组成的神经网络系统．本文分析了该系统的稳定性，并定性讨论了其联想思维功能．     

基于神经网络中小城市空气污染指数预估器的设计

针对大气环境参数预测精确性和可靠性的要求提出一种基于 BP神经网络快速收敛算法 ,经仿真表明提出的这一算法切实可行 .