1、 利伯曼猜想，小孩的自我神經(jīng)網(wǎng)絡(luò)，還沒有完全上線運(yùn)轉(zhuǎn)。他們?cè)撚械难b備都在，只是還沒辦法像成年人一樣運(yùn)用自如。

2、 實(shí)驗(yàn)表明，智能神經(jīng)網(wǎng)絡(luò)系統(tǒng)組成原理將面向?qū)ο蟆⒎?hào)邏輯融于神經(jīng)網(wǎng)絡(luò)中，提供了構(gòu)造功能完備的智能系統(tǒng)的途徑。

3、 潛艇指揮決策控制過程是一個(gè)典型的模糊過程，模糊神經(jīng)網(wǎng)絡(luò)能夠較好地處理模糊信息，并具備模糊推理能力。

4、 在“雙電源二次激勵(lì)法”的基礎(chǔ)上，應(yīng)用人工神經(jīng)網(wǎng)絡(luò)技術(shù)研制了一種“移動(dòng)式濕型砂質(zhì)量參數(shù)快速測(cè)試車”。

5、 研究結(jié)果表明，基于灰色關(guān)聯(lián)度和bp神經(jīng)網(wǎng)絡(luò)的城市生活垃圾清運(yùn)量和組分預(yù)測(cè)模型能有效的預(yù)測(cè)城市生活垃圾的清運(yùn)量和組分，具有較好的可行性和適用性。

6、 結(jié)果表明：神經(jīng)網(wǎng)絡(luò)具有實(shí)測(cè)樣本的自學(xué)習(xí)功能，對(duì)橋梁施工預(yù)拱度有較好的精度。

7、 針對(duì)嚴(yán)重非線性失真信道，提出了一種級(jí)聯(lián)混合小波神經(jīng)網(wǎng)絡(luò)自適應(yīng)高均衡器。

8、 然后通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)把這些知識(shí)儲(chǔ)存于神經(jīng)網(wǎng)絡(luò)的權(quán)值中，幷在其它的地震輸人下使用。

9、 神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差值的選取是一個(gè)具有挑戰(zhàn)性的問題。

10、 采用神經(jīng)網(wǎng)絡(luò)方法建立了重軌生產(chǎn)性能預(yù)報(bào)模型，并通過模型結(jié)構(gòu)優(yōu)化提高了模型預(yù)報(bào)的可靠性。

11、 為消去多余坐標(biāo)引入了bp神經(jīng)網(wǎng)絡(luò)，建立了以廣義坐標(biāo)為自變量的等效轉(zhuǎn)動(dòng)慣量的數(shù)學(xué)模型。

12、 基于這些決定性因素，用神經(jīng)網(wǎng)絡(luò)的方法建立了一個(gè)用于個(gè)性化網(wǎng)站界面風(fēng)格和布局設(shè)計(jì)的用戶模型。

13、 語(yǔ)音識(shí)別系統(tǒng)利用神經(jīng)網(wǎng)絡(luò)完成的源代碼，已經(jīng)過測(cè)試.

14、 函數(shù)逼近應(yīng)用實(shí)例結(jié)果表明，將有理式多層神經(jīng)網(wǎng)絡(luò)用于解決傳統(tǒng)問題是有效的。

15、 在非線性段則用兩個(gè)改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)分別映射其反函數(shù)作為校正環(huán)節(jié)，從而實(shí)現(xiàn)非線性誤差校正。

16、 結(jié)果表明，神經(jīng)網(wǎng)絡(luò)在拉延筋工藝效果預(yù)測(cè)方面具有重要的應(yīng)用價(jià)值.

17、 盡管神經(jīng)網(wǎng)絡(luò)是一類黑箱式的非線性映射，但它具有良好的自學(xué)習(xí)能力。

18、 人工智能和人工神經(jīng)網(wǎng)絡(luò)是智能科學(xué)發(fā)展的兩個(gè)方向，機(jī)器人技術(shù)是目前取得的階段性的重大成果。

19、 提出了一類解不等式約束優(yōu)化問題的神經(jīng)網(wǎng)絡(luò)，并針對(duì)幾個(gè)黨見的約束優(yōu)化問題給出了相應(yīng)的網(wǎng)絡(luò)求解公式。

20、 以三峽庫(kù)區(qū)巴東縣黃土坡區(qū)斜坡穩(wěn)定性區(qū)劃為例，用神經(jīng)網(wǎng)絡(luò)模型和信息量模型兩種方法進(jìn)行了斜坡穩(wěn)定性預(yù)測(cè)，取得了滿意的效果。

21、 探索了將神經(jīng)網(wǎng)絡(luò)用于焊接熔池圖像處理的方法，采用bp神經(jīng)網(wǎng)絡(luò)對(duì)二值化熔池圖像進(jìn)行邊緣提取，取得了理想的效果。

22、 同時(shí)，改進(jìn)的art2神經(jīng)網(wǎng)絡(luò)在核輻射場(chǎng)數(shù)據(jù)處理分類中有一定的實(shí)用價(jià)值.

23、 最后，提出了綜合信息融合技術(shù)、人工神經(jīng)網(wǎng)絡(luò)技術(shù)、專家系統(tǒng)知識(shí)的智能化異步電動(dòng)機(jī)故障診斷系統(tǒng)。

24、 采取附加動(dòng)量項(xiàng)和自適應(yīng)學(xué)習(xí)步長(zhǎng)的措施，解決了bp神經(jīng)網(wǎng)絡(luò)局部收斂和學(xué)習(xí)時(shí)間過長(zhǎng)的問題。

25、 針對(duì)光通量衰減與濕度、塵埃比率和鹽密之間相互作用的復(fù)雜性，建立了神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型，訓(xùn)練后的模型輸出準(zhǔn)確度較高。

26、 設(shè)計(jì)了一種以tms320lf2407adsp器件為控制核心，以模糊神經(jīng)網(wǎng)絡(luò)控制為主要算法的智能冷陰極潘寧氣體離子源束流控制系統(tǒng)。

27、 針對(duì)一類典型過程控制系統(tǒng)中存在的非線性和參數(shù)不確定問題，提出了神經(jīng)網(wǎng)絡(luò)的建模方法。

28、 該算法的本質(zhì)是提供牛頓法的速度和保證收斂的最速下降法之間的一個(gè)折中，適合于性能指標(biāo)是平方誤差的神經(jīng)網(wǎng)絡(luò)訓(xùn)練。

29、 文中將數(shù)據(jù)挖掘應(yīng)用于保險(xiǎn)客戶在信用等級(jí)的分類中，即采用了基于神經(jīng)網(wǎng)絡(luò)的覆蓋算法作為客戶信用評(píng)分分類器的設(shè)計(jì)算法。

30、 以單輛坦克在陸地上的自主機(jī)動(dòng)為背景，提出了一種基于神經(jīng)網(wǎng)絡(luò)的坦克機(jī)動(dòng)任務(wù)規(guī)劃方法。

31、 語(yǔ)音清濁音判決的實(shí)質(zhì)是一個(gè)非線性分類問題，可以用神經(jīng)網(wǎng)絡(luò)的方法來實(shí)現(xiàn).

32、 針對(duì)船用系泊纜繩安全智能報(bào)警系統(tǒng)中的表格試驗(yàn)數(shù)據(jù)，提出了應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)的智能數(shù)據(jù)處理方法。

33、 并使用考種的數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的實(shí)例，得到統(tǒng)計(jì)分析數(shù)據(jù)。

34、 基于模糊邏輯理論和人工神經(jīng)元網(wǎng)絡(luò)，提出了將模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于變壓器故障診斷的方法。

35、 焦李成.神經(jīng)網(wǎng)絡(luò)系統(tǒng)原理.西安:西安電子科技大學(xué)出版社，1995.

36、 利用bp神經(jīng)網(wǎng)絡(luò)建立了農(nóng)村用電量預(yù)測(cè)模型。

37、 針對(duì)數(shù)字電路中多故障測(cè)試生成效率較低的問題，提出了基于神經(jīng)網(wǎng)絡(luò)的數(shù)字電路多故障測(cè)試生成算法。

38、 提出了基于神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)多特征融合的地形匹配算法，充分利用地形的各種不同的統(tǒng)計(jì)特征和幾何特征，構(gòu)造了一種地形匹配網(wǎng)絡(luò)模型。

39、 他還說，將來的研究會(huì)將tdcs和成像技術(shù)結(jié)合起來，從而鞏固作者的推測(cè)，即腦細(xì)胞的興奮性構(gòu)建了神經(jīng)網(wǎng)絡(luò)，導(dǎo)致了聯(lián)覺。

40、 傳感器數(shù)據(jù)證實(shí)技術(shù)是測(cè)控領(lǐng)域中的關(guān)鍵技術(shù)之一，文中提出了基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)器的傳感器數(shù)據(jù)證實(shí)技術(shù)。

41、 本文采用多層感知器建立了微帶不連續(xù)性的神經(jīng)網(wǎng)絡(luò)模型。

42、 本文的目的是利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)離心壓縮機(jī)葉輪的逆命題設(shè)計(jì)。

43、 基于模糊數(shù)學(xué)評(píng)價(jià)法和神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)法的優(yōu)點(diǎn)，提出了一種新的大氣質(zhì)量評(píng)價(jià)模型。

44、 應(yīng)用人工智能、神經(jīng)網(wǎng)絡(luò)等新興學(xué)科理論，提出了地下工程力學(xué)綜合集成智能的分析方法。

45、 具體是將所有的樣本投影到特徵臉子空間中，并將每一個(gè)樣本得到的特徵系數(shù)作為bp神經(jīng)網(wǎng)絡(luò)的輸入。

46、 采用前向神經(jīng)網(wǎng)絡(luò)建模的軟測(cè)量方法，對(duì)造紙過程制漿工段的黑液波美度進(jìn)行測(cè)量。

47、 本課題旨在研究基于神經(jīng)網(wǎng)絡(luò)的指針式壓力表的自動(dòng)讀數(shù)系統(tǒng)，為指針式壓力表的自動(dòng)判讀技術(shù)的發(fā)展解決問題。

48、 提出了基于徑向基神經(jīng)網(wǎng)絡(luò)的衛(wèi)星地面站系統(tǒng)建模方法。

49、 將上述各單項(xiàng)改進(jìn)方法結(jié)合運(yùn)用，提出了改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)。

50、 在此基礎(chǔ)上，利用人工神經(jīng)網(wǎng)絡(luò)構(gòu)建了金屬錳滲氮過程的數(shù)學(xué)模型，為研究金屬錳在不同滲氮條件下的性能預(yù)測(cè)奠定了基礎(chǔ)。