- 人脑皮层的高弹性材料模型探索：多元分析与人工神经网络方法对比
本研究通过应用人工神经网络和多元回归方法，从广为接受的经典模型中找到适合人脑组织的材料本构模型，结果发现人工神经网络在自动识别准确的本构模型方面具有潜力，同时通过多元回归方法实现模型简化，保持高准确率。
- 基于生成人工智能的软件元数据分类
通过应用生成式人工智能（AI）提升二进制代码注释质量分类模型性能，使用 OpenAI API 生成了包含 1239 个新生成的代码 - 注释对的数据集，该数据集从各种 GitHub 代码库和开源项目中提取，并为其标记为 “有用” 或 “无用 - 基于人工神经网络的冠状病毒智能检测系统的开发
本文介绍了基于人工神经网络的新型智能系统用于检测冠状病毒。通过综合文献回顾发现，高烧占 COVID-19 症状的 87.9%。收集了来自尼日利亚恩古市 Collie 医院的 683 例 COVID-19 患者的高温数据（>= 38℃），用于 - 基因调控神经网络在生物人工智能中的非线性分类器稳定性分析
通过建立基于化学反应的数学模型，将基因调控网络转化为基因调控神经网络（GRNN），进行稳定性分析，并探究参数变化对分类界限的影响，为满足不同应用需求的可编程 GRNN 打下基础。
- 流体智能的最小计算基质
通过使用自我监督的人工神经网络 LaMa 对部分遮挡的自然环境场景图像完成的紧凑版本的 Raven Advanced Progressive Matrices（RAPM）测试，我们发现 LaMa 在无任何特定任务的归纳偏差或训练的情况下即可 - 人工神经网络在压力过滤性能研究中的应用：锌浸出滤饼湿度建模
使用人工神经网络（ANN）模型，研究开发了一种强大的机器学习工具，用于高精度预测锌生产中压力过滤工艺的蛋糕湿度。
- 一种稳定的基于包装器的参数选择方法，用于高效的基于人工神经网络的数据驱动湍流建模
通过人工神经网络和梯度衍生子集选择的方法，本研究分析和开发了一种用于建模复杂湍流流动和热传递现象的缩减建模方法。该方法在移除冗余或不相关参数方面优于其他方法，但人工神经网络训练中的过拟合和随机性可能导致在更高物理维度上实现不一致的子集选择。 - 无偏权重最大化
基于生物学可行性的人工神经网络训练方法，采用强化学习机制来训练每个神经元单元，提出了权重最大化的解决方案，分析了权重最大化的理论特性，并提出了无偏权重最大化的变体来加快学习速度和改进渐进性能。
- 结构化信用分配与协调探索
使用 Boltzmann 机器或经常性网络进行协调探索，从而加快多个基于 REINFORCE 的随机和离散单元的训练速度，甚至超过直接传递估计器 (STE) 反向传播算法。
- 构建零谱偏差的极限学习机
Spectral Bias 现象是在前馈人工神经网络（ANN）中观察到的，其中学习的函数的高频成分比低频成分收敛得更慢，这一现象在 ANN 中普遍存在。本研究验证了 ELMs 结构的可靠性，发现高斯过程谱偏差（SB）的理论假设是错误的，并实 - 基于机器学习的针织力传感器不一致性补偿
本文介绍了一种使用人工神经网络结合预处理算法来改进针织传感器与物理反应之间映射效果的方法，并通过对重采样传感器信号应用多种指数平滑滤波器提取相关特征来实现前处理。经过对三层、8 个神经元的 ANN 进行训练，我们在映射传感器读数和物理反应之 - 使用情感二进制化和机器学习的标签数字化，在会话对话中进行情感识别
本研究提出了一种标签数字化和情感二值化的方法，结合文本规范化和 7 位数字编码技术构建一个有意义的特征空间，从而以最高的准确性和精确性建立了一个使用随机森林和人工神经网络分类器的层次化情感识别模型。
- 基于迁移学习的增材制造模型比较：以一个案例为例
本研究采用开源数据集，结合五种迁移学习方法、决策树回归和人工神经网络构建出六个基于迁移学习的模型，并将其与基线模型进行比较；结果表明，在具有一定相关性的源 CNC 加工数据域中，适当的目标 - 源训练数据大小比例和数据预处理能够提高建模性能 - 基于稀疏压力传感器输入的机器学习增强实时气动力预测
本文提出了一种基于少量位置布置的压力传感器的数据驱动空气动力学力预测模型，包括线性项和非线性校正，其中线性项通过减少的基础重构预测表面压力分布，而非线性项则是视情况而定的人工神经网络，用于提高精度。该模型在模拟和实验数据中被验证为快速准确地 - 使用神经网络进行挑战人群面部表情的情感识别
这篇论文提出了一种通过图像进行面部表情的深度分类方法，采用了深度前馈人工神经网络。该方法可用于良好的应用，包括视觉检查和安全措施。
- 使用多功能储水池计算机进行双重识别
该研究探讨了多功能生物神经网络如何利用多稳定性执行多个任务，并研究了如何在人工神经网络中实现多稳定性以实现多个任务的性能，其中每个任务都与网络状态空间中的特定吸引子相关。该研究提出了 “看双重” 问题，并发现多功能性存在临界依赖于适当的内部 - 基于 LSTM 的 ACC 应用过程中的车道变换前车行为预测
提出了基于 Long Short-Term Memory 的 Adaptive Cruise Control 系统，在仿真驾驶环境中表现出比基于 ANN 和 MPC 模型更为准确的预测效果，可学习适应不同的驾驶状况。
- 脉冲神经网络决策反馈均衡技术用于 IM/DD 系统
本研究使用有决策反馈结构的脉冲神经网络（SNN）均衡器应用于具有不同参数的 IM / DD 链路，结果发现 SNN 优于线性和人工神经网络（ANN）均衡器。
- 加速三维椭圆偏微分方程有限元求解器的代数多重网格算法的深度学习算法
提出了一种基于深度学习的算法，利用人工神经网络调整强度阈值参数，减小求解偏微分方程时代数多重网格方法（AMG）的计算开销，实验结果在含有异质的扩散系数和杨氏模量问题的训练集外的测试集上能节省 30% 左右的计算时间。
- 光伏电池的 MPPT 和参数估计的比较研究
利用机器学习技术，针对太阳能电池和光伏模块的 PVLIB 模型的已知和未知参数进行精确的估计，采用了人工神经网络算法，并与其他机器学习算法进行比较，结果表明所提出的方法在计算效率方面优于其他元启发式和机器学习算法。