工神经网络造句

*神经网络协会致力于加深对生物和人工神经网络的认识。

人工神经网络训练使用进化策略。

泛函网络是类似于人工神经网络的新型网络模型，是泛函方程的网络表达形式。

介绍了人工神经网络的基本原理，阐述了BP网络的算法及其局限*。

利用人工神经网络模型来模拟反应精馏过程。

用人工神经网络法对降水变率进行分类。

人工神经网络是对生物神经系统的模拟，它的信息处理功能与网络单元的特*密切相关。

其次介绍了人工神经网络方法，用常用的BP网络模型对发电机空载特**。

研究了人工神经网络在矿渣微晶玻璃材料设计中的应用。

研究人员用所谓的人工神经网络的技术分析数据的模式。

模具生产周期预测，制造周期，设计周期，人工神经网络BP算法。

介绍了人工神经网络在非线*多组分校准中的应用。

将人工神经网络技术应用于肥城煤矿区煤层底板突水预报中，并且开发研制成突水预报人工神经网络系统。

运用人工神经网络模型对松花*流域年径流量径流序列做出预报，表明了人工神经网络模型在水文预报中具有一定的优势。

此外，以气温、纵坐标和横坐标为网络输入，拱肋标高为网络输出，建立了拱肋标高的人工神经网络模型。

在结构可靠*分析中，通过人工神经网络拟合极限状态函数，借助神经网络的函数映*关系产生极限状态函数值。

探讨了人工神经网络和遗传算法在酶法提取绿豆渣水溶*纤维素工艺优化方面的应用。

因此，应用人工神经网络建立热粘塑*材料的本构关系具有重要的工程应用价值。

结果表明，人工神经网络方法*能良好，可望成为地震序列类型预测的有效工具。

利用人工神经网络技术和分光光度法不经分离直接测定饮料中的混合*素。

针对铝合金的电阻点焊，研究了人工神经网络在点焊质量估测中的应用。

应用人工神经网络模型，分析装*量、*眼数量等爆破参数对巷道掘进循环进尺的影响。

采用了人工神经网络技术对继电器制造中铜线在*铜片上的点焊进行了质量监测。

本文分析了人工神经网络的特点及模型，以及其在普通硅*铝纤维寿命预测中的应用。

本论文采用人工神经网络技术对*股票市场的预期收益率进行实*分析。

运用人工神经网络模型对漫湾径流序列做出中长期预报，其结果与传统数理统计方法的预报结果进行了比较，表明了人工神经网络模型在水文预报中具有一定的优势。

本研究设计了适用于GPS单点定位计算的BP人工神经网络模型结构，采用共轭梯度算法改善网络的训练速度和精度。

表明人们在参考生物神经系统来建立人工神经网络系统时必须慎重对待生物神经系统的某些特点。

本文给出了用人工神经网络硬件构成的汽门控制器的适应*实验结果，控制器采用BP网络离线训练。

本文采用基于知识的人工神经网络模型模拟微带径向短截线的特*，利用已经具有的先验知识减小神经网络输入输出映*关系的复杂程度有效减少了训练样本的数量。

为研究人工神经网络模型对成绩预测的效果，建立人工神经预测模型，对铅球运动员的成绩进行评估和预测。

但是，当我们的人工神经网络有成百上千个神经元时，手工确定所有必要的权重就成了一件非常困难的事情。

建立了自压式树状管网两级优化设计模型，并用人工神经网络法实现树状管网非线*规划模型的快速求解。

文章利用人工神经网络理论,通过对设备振动信号进行采集、理和提取特征参数的方法,对装载机机械系统工作状态进行智能监测与故障诊断。

为此，本文采用了人工神经网络作为工具建立锅炉运行中飞灰含碳量和煤的元素分析的预测模型。

结果表明：利用人工神经网络模型的非线*映*功能，可以较好地给出工程爆破引起的近区自由场力学规律，对于同类型问题的研究，也有着很重要的意义。

人工智能和人工神经网络是智能科学发展的两个方向，机器人技术是目前取得的阶段*的重大成果。

通过对某一柴油机喷油器典型故障的实验模拟，用串接式压力传感器测取高压油管的燃油压力波，并利用人工神经网络模型进行了故障诊断。

第二种方法是一种新颖的建模策略，它把晶体生长率作为非线*逼近器的人工神经网络（ANN）与由蔗糖晶体质量平衡所表述的先前既定的知识相结合。

采用人工神经网络结合遗传算法，利用周向涡量，对一单级低速压气机转子空间弯掠积叠曲线进行了气动数值优化。

通过本文的研究表明，将人工神经网络延伸应用于商品住宅价格的预测具有一定的可行*、可靠*及实用*。

实践表明：两种模型对毛条的豪特长度、长度变异、短纤维含量和精梳落毛率均能进行较为准确的预测，其中人工神经网络预测模型预测效果优于统计回归模型。

作者最后利用人工神经网络多属*反演得到全区的视电阻率和剩余电阻率曲线，主要用于油气检测，最终圈划出有利油气储集区，并找到有利油气圈闭高81东块。

并以东灵山辽东栎林生态系统为例,基于生态系统的结构、功能、环境适应*及系统服务特征,建立了东灵山辽东栎林生态系统健康评价的人工神经网络*体系。

所建立的广西省3个预报区域的人工神经网络预报模型对中雨以上降水量级预报的TS评分分别为0。0。5和0。26，比目前业务预报中参考使用的T213和日本数值预报产品降水预报具有更好的预报效果。