4.1概述 信息科学与生命科学的相互交义、相互 渗透和相互促进是现代科学技术发展的 个显著特点。 ☆计算智能涉及神经网络、模糊逻辑、进 化计算和人工生命等领域,它的研究和 发展正反映了当代科学技术多学科交叉 与集成的重要发展趋势

第一讲绪论 以冯·诺依曼型计算机为中心的信息处理技术的高速发展,使得计算机在当今的信息 化社会中起着十分重要的作用。但是,当用它来解决某些人工智能问题时却遇到了很大的 困难。 例如,一个人可以很容易地识别他人的脸孔,但计算机则很难做到这一点。这是因为 脸孔的识别不能用一个精确的数学模型加以描述,而计算机工作则必须有对模型进行各种 运算的指令才行,得不到精确的模型,程序也就无法编制

基于人工神经网络建立了反向凝固过程中的性能预测模型,实现了对铸带厚度和新相层晶粒度的全面预测;探讨了凝固过程中的主要工艺参数对上述性能的综合影响,为反向凝固性能的综合预测提供了简便的新手段.研究表明,新生相晶粒度随钢水过热度、母带厚度、浸入时间变化对其影响不显著,而钢水过热度、母带厚度、浸入时间变化对铸带厚度的影响较大.该模型的预测结果与实测的结果较为接近

针对复杂生产过程中的工况识别问题,利用了模块化的设计方法,将其分为离线建模模块和在线决策模块.建模模块采用自适应延时神经网络构造各类工况相应的预测模型,决策模块通过计算未知工况序列相对于各类预测模型的匹配程度判断其所属类别

通过将轧制变形区离散化的方法,在考虑变形区内横截面上张应力、摩擦应力等影响因素沿带钢轧制方向分布规律及其与带钢厚度及压下量的关系的基础上,采用数学模型和神经网络相结合的方法计算了金属变形抗力,建立了冷连轧机轧制力在线计算数学模型.经大型工业轧机生产实践数据检验,该冷连轧机在线轧制力计算模型预报误差控制在6.1%以内,满足模型在线控制要求,可提高在线控制轧制力模型的计算精度

研究了一种基于特征变量的复杂生产过程预测模型.与传统的建模方法相比,该方法不需要经过机理分析,而从信息科学的角度出发,在对反映生产过程工况原始动态数据进行特征选择的基础上,运用时间序列分析法建立其预测模型.同时讨论了它的神经网络实现方法.仿真结果表明了该方法的可行性

提出了板坯连铸二冷区全智能控制系统的构想，并用人工神经网络和模糊控制的方法对该系统进行了计算机仿真.结果表明，该系统不但能完成二冷各区段铸坯表面温度的动态控制，而且具有良好的自适应性和自学习功能

细胞神经网络（CNN）的局部活动性理论为研究由同质介体构成的复杂系统动力学行为的突现和转化提供了有力工具，本文介绍了CNN的局部活动性原理；建立了确定具有3个端口和4个态变量CNN的局部活动性的一组定理；为绘制相应CNN的分歧图和研究在免疫监视下的细胞组织生长等生命现象提供了解析工具．

提出了用神经网络插值代替拉氏插值计算裂纹形成时间(TTCI)值,用极大似然估计代替均秩估计法估计分布参数的方法.考虑到仅对一组TTCI值进行参数估计具有较大的随机性,文中对每种参考裂纹尺寸对应的TTCI值均进行极大似然估计,得出多组TTCI分布参数;然后利用不同参考裂纹尺寸对应的TTCI分布参数之间的关系确定结构细节的当量初始缺陷尺寸分布参数.对某零件的疲劳实验及其原始疲劳质量分析证明了该方法的可行性和合理性

假设，检验统计量，显著水平，功效 两种假设下的统计检验 纽曼-皮尔森引理 如何构造一个检验统计量 Fisher甄别函数与神经网络 检验拟合优度，P-值定义与应用 信号观测的显著程度 皮尔逊的x2检验