提出了用简单动态递归网来建立固体散料流量模型.针对动态递归网结构复杂、训练算法收敛速度慢的缺点,采用一种结构十分简单的递归网.对RPE算法进行了改进和补充,使之适用于简单递归网,用来对网络的权值和阈值进行调整.建模结果表明此方法收敛速度快,精度高

提出了一种基于聚类的支持向量机增量学习算法.先用最近邻聚类算法将训练集分成具有若干个聚类子集,每一子集用支持向量机进行训练得出支持向量集;对于新增数据首先聚类到相应的子集,然后计算其与聚类集内的支持向量之间的距离,给每个训练样本赋以适当的权重;而后再建立预估模型.此算法通过钢材力学性能预报建模的工业实例研究,结果表明:与标准的支持向量回归算法相比,此算法在建模过程中不仅支持向量个数明显减少,而且模型的精度也有所提高

提出了以人工智能思想为指导的图像数据库的智能检索方法,它利用模式识别技术和图像处理技术,同时考虑启发性知识.该方法用图像特征向量代表图像并进行聚类分析以建立图像库的检索树,应用最佳优先搜索方法在检索树上找出用户满意的图像.重点探讨了如何利用专家的经验知识和通过样本训练得到启发评价函数,并推出了启发评价函数存在的条件

为了建立工业污水pH值中和系统的正模型,研究了具有大滞后非线性特性的加药中和过程。利用一种动态自适应最近邻聚类(DANNC)学习算法,全面调整网络参数完成了污水pH值加药中和控制系统网络的学习和训练。采用中和过程神经网络内模控制系统的逆模型充当控制器,进行了各种工业条件下污水中和的仿真实验。结果表明,该系统实现了△pH≤0.2的工业污水的控制精度目标,系统实时跟踪和抗干扰性良好

1、教学计划的修订 2、教学大纲的写作 3、主干课程的确定 4、课堂讲授 5、课堂教学内容与讲授 6、四年实训课程时间与内容的统一安排 7、《实验箱—实训室—企业》的三位一体的实训模式 8、《物联网家居》实验室建设 9、学生实际动手制作训练（RFID+单片机） 10、学生的体会反馈

教学内容 首先介绍人工神经网络的基本概念和 ANN 的特性，以及神经网络的学习方法。然后讲授典型的前向神经网络、反馈神经网络的原理、结构、基本算法，给出了 BP 网络的算法改进。最后介绍了神经网络 PID 控制。 教学重点 1. 神经网络的各种学习算法，神经网络的训练。 2. 感知器网络、BP 网络的结构和算法、BP 网络学习算法的改进，反馈网络的结构、学习算法。 3. 神经网络 PID 控制

为了以有限的实验数据确定预应力锚杆布置的合理间距,结合山东省境内的104国道界河立交桥加筋土挡土墙的失稳加固工程实例,首先通过最小二乘支持向量机拟合优化对象与优化目标之间的复杂函数关系建立模型,然后采用现场实验数据样本进行模型训练,最后采用人工鱼群算法对模型进行优化,获得合理的布置间距,并通过加固效果监测验证了参数的合理性.结果表明,该法具有建模容易、收敛快和计算精度高等特点,说明该模型是合理可行的

研究了热处理工艺对Fe-28Mn-4Si(Mg)合金形状记忆效应的影响.结果表明:合金形状记忆效应来源于应力诱发马氏体相变及其逆转变.固溶处理和训练处理,可对合金母相奥氏体产生强化作用,使其在应力诱发马氏体相变过程中不易发生滑移变形(滑移变形不利于形状回复),从而改善了合金的形状记忆效应.对合金热轧无缝管内径施以5%形变量,形变恢复率达45%.该恢复率足以用作管道连接管接头等紧固连接件

以某钢厂1580热连轧生产数据为基础,提出一种有限元与神经网络集成建模的方法.该方法首先对轧制过程的塑性变形进行有限元建模,然后结合有限元数值分析方法和智能技术的优点,实现有限元和神经网络的集成建模.集成模型中的神经网络模型为有限元模型提供参数调整的依据,并且在神经网络训练过程中使用改进的混沌粒子群优化算法对神经网络进行优化.通过与现场实际生产数据进行比较,验证了该模型的有效性

建立了以纯金属原子半径、熔点、沸点和原子化焓预测表面张力的人工神经网络模型．训练后的神经网络能较好的拟会实验数据.对40种金属的表面张力进行回想和预测结果与实验值的偏差在可接受范围内，表明人工神经网络在纯金属表面张力预测方面有一定的前景．