用遗传算法拟合电力系统负荷短期预测的非线性模型

本文运用遗传算法，根据河北省１９８５—１９９０年春节期间每小时用电量的统计数字，建立了非线性回归模型（Ｇｏｍｐｅｒｔｄｚ），结果表明，遗传算法性能良好，可望成为电力系统各种非线性模型辨识的有效手段。     

自组织神经树用于判别氟化物非晶态形成条件

1人工神经网络──自组织神经树模型人工神经网络（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领域得到了初步应用，取得了相当好的效果［1，2］．1993年，Tao－Li等提出了自组织神经树网络．它是一个多层树状网络（见图1），每个输入节点与所有神经树的节点（神经元）通过权W相联系，实现对输入信号的非线性降维映射．映射中保持拓扑不变性，即把拓扑意义下相似的输入（即在高维空间中距离较近的输入向量）映射到相同子树的节…     

高温超导体制备条件的人工神经网络识别

高温超导体的制备条件要求严格,其掺杂量大小、烧结温度控制等都直接影响实验样本的超导性质。近几年高温超导研究已积累大量实验数据,如何应用人工智能方法处理这些数据寻找更好的合成条件颇有意义。人工神经网络方法在许多领域己显示其处理复杂数据和模式识别的优越性,但尚未应用到化合物制备研究方面。本文对此作了初步尝试。     

人工神经网络方法预测气相色谱保留值

本文运用一典型的人工神经网络模型－“反向传播“模型的改进形式，研究了诱导效应指数Ｉ，摩尔折射度Ｒｏ，疏水亲脂参数ＩｇＰ，以及分子联通性指数与气象色谱保留行为的关系，实现了对色谱保留植的预测。神经网络预测模型的最大相对误差不超过８．７％。结果表明，该方法性能良好，可望成为色谱保留值预测的有效手段。     

自组织学习联想神经树在氟化物非晶态形态的判别条件中的…

运用自组织学习联想神经树，利用化学键参数法，研究了三元系氟化物晶态形成的判别条件，建立了相应的计算机判别智能专家系统，对３个未知样本进行判别，分类结果正确。该方法可望成为研究化合物非晶态形成条件的有效辅助手段。     

传感器阵列信号处理的人工神经网络方法

本文提出传感器阵列信号处理的人工神经网络方法,并以K~+/Ca~(2+)/NO_3~-/Cl~-阵列系统为对象,尝试了该方法的效果。结果表明,其拟合最大相对误差不超过7.4％,预测最大相对误差不超过6.9％。可见,其性能良好,可望成为各种传感器阵列信号处理的有用工具。     

自组织人工神经网络在氟化物非晶态形成的判别条件中的应用

本文运用Ｔ．Ｋｏｈｏｎｅｎ自组织人工神经网络，利用化学健参数法，研究了三元系氟化物非晶态形成的判别条件，建立了相应的计算法判别智能软件．识别成功率较高．结果表明，该方法性能良好，可望成为研究化合物非晶态形成条件的有效的辅助手段．     

用神经网络法鉴别十二碳共轭双烯-1-醇、醛和乙酸酯双键位置异构体

将神经网络运用到十二碳双烯-1-醇、醛、乙酸酯三类化合物及其双键位置异构体的识别预报上,本文报道这一工作的主要结果.