基于人工神经网络技术的蔬菜施肥决策研究

阐述神经网络的概念和特点，着重介绍BP神经网络并在Maflab环境下建立基于BP神经网络的施肥模型，以土壤养分（氮、磷、钾)和实际产量为模型输入，以氮肥、磷肥和钾肥的施用量为模型数输出．进行网络训练，直至获得满意的施肥模型。结合投入产出物的价格对模型功能进行扩展，按利润最大化目标进行施肥决策。     

基于粗糙集与神经网络的农机化发展水平评估方法

在分析现有农业机械化发展水平评价方法的基础上 ,提出了粗糙集理论与人工神经网络技术相结合的农业机械化发展水平评价指标简化体系和评价方法。实例表明 ,约简后的指标体系可以获得原有指标体系的分类结果 ,但比原有模型少了 6 0 %的指标 ,大大减少了信息的需求量 ,为农机化水平评价提供了一种新的途径。     

自压式树状管网的两级优化设计模型与神经优化设计

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性规划模型的快速求解。采用的人工神经网络技术的两级优化设计模型在适用范围、求解速度和获得最优解能力上，均优于单一的非线性规划模型和线性规划模型，是实现树状管网全局优化设计的一条新途径。     

人工神经网络在我国水科学中的应用与展望

简要介绍了人工神经网络的发展、结构与特点；从预测预报、评价、水灾害防治、水资源配置与管理决策4方面，综合评述了人工神经网络在我国水科学中的应用，并就人工神经网络今后在我国水科学中的应用与研究做了展望。     

BP神经网络在焉耆盆地农田排水量

利用BP神经网络技术对焉耆盆地农田排水量进行预测。利用灰色关联度分析确定了排水量与各影响因素的关系，选取了对排水量影响最大的5个因素作为BP网络的输入，利用均匀设计方法，确定了最优的神经网络结构。估算结果表明利用BP神经网络可以准确的估算农田排水量，最大相对误差仅为-2.45％。     

基于人工智能的木材缺陷检测研究进展

木材缺陷检测是木制品加工前的重要步骤,为了提高检测效率和经济效益,木材缺陷检测也从传统的人工方法向智能化方向转变。随着计算机技术的不断提高,人工智能得到快速发展,人工智能在木材缺陷检测中的应用也进一步增加。目前,人工智能主要通过机器学习、人工神经网络、深度学习等算法实现对木材缺陷的预处理和检测。文中阐述部分常用人工智能算法在木材缺陷检测中的应用,包括相关算法的原理、特点;综合分析算法优缺点,并对人工智能技术在木材缺陷检测中的研究进行了展望。     

神经网络模糊PID算法在温室温度控制中的仿真研究

为了更好地实现对温室温度的控制,提出了温室温度控制的一种新的控制方法;通过仿真比较证明了此方法的有效性,并对其动静态特性、鲁棒性和抗干扰能力进行了探讨。结果表明,采用神经网络模糊PID算法的温室温度控制方法具有较好的动静态特性、鲁棒性和抗干扰能力。     

遗传神经网络在温室黄瓜霜霉病预测中的应用

在神经网络结构的优化、连续权重的训练中采用遗传算法的方法对日光温室黄瓜霜霉病进行预测，并对其发生程度进行了拟合，计算值与实际值接近，表明该模型具有良好的预测效果。     

几种QSAR建模方法的研究进展与应用

定量构效关系（QSAR）对药物设计和新药研制、环境毒物的毒性评价与预测有着显著的作用，本文简单介绍了几种QSAR建模方法：多元线性回归（MLR）、主成分分析（PCA）、偏最小二乘法（PLS）、人工神经网络（ANN）和支持向量机（SVM），并对这几种不同的建模方法在实际中的应用进行举例。可以看出PLS和ANNS是优秀的建模方法，预测能力强， SVM通过结构风险最小化原则建模，有效将期望风险降至最低，模型预测力得到显著提高，在环境毒物评价中具有广阔的应用前景。     

人工神经网络在渔业高价值专利筛选中的应用——以中国水产科学研究院为例

为了从大量专利数据中筛选渔业高价值专利,提高专利管理效率,从而间接促进专利转化,对中国水产科学研究院2008-2018年5 404项专利进行价值高中低分类标注,获取这些专利在商业数据库Patentics中的16个参数并进行归一化处理,合并专利信息和对应的专利参数并利用人工神经网络建模.合并的数据中随机抽取70％的数据用...