1、与模糊系统遗传算法进化机制等结合，形成计算智能，成为人工智能的一个重要方向，将在实际应用中得到发展将信息几何应用于人工神经网络的研究，为人工神经网络的理论研究开辟了新的途径神经计算机的研究发展很快，已有产品进入市场光电结合的神经计算机为人工神经网络的发展提供了良好条件1943。

2、1988年，Linsker的自组织理论和Shanon信息论的应用，开启了基于神经网络的信息理论新纪元同年，Broomhead和Lowe通过径向基函数RBF提出分层网络设计，将NN与数值分析和线性滤波技术结合进入90年代，Vapnik等人提出的支持向量机和VC维数概念，标志着机器学习理论的深化这些重要成果促使全球对人工神经网络的。

3、小波神经网络Wavelet#8194Neural#8194Network，#8194WNN是在小波分析研究获得突破的基础上提出的一种人工神经网络它是基于小波分析理论以及小波变换所构造的一种分层的多分辨率的新型人工神经网络模型#8194即用非线性小波基取代了通常的非线性Sigmoid#8194函数，其信号表述是通过将所。

4、1神经网络与建筑经济管理 作为重要的人工智能分支领域，神经网络是用来处理非线性问题的有效工具在特性上，神经网络具有较好的非线性映射能力，并且具有较好的适应性和容错性在应用神经网络进行问题的计算时，不需要先验模型就可以直接从数据中获得学习规律所以，可以用神经网络解决一些传统数学方法难以解答。

5、建立理论模型根据生物原型的研究结果，建立神经元和神经网络的理论模型，描述其工作原理和特性网络模型与算法研究在理论模型的基础上，设计具体的神经网络模型，并研究相应的算法，以实现计算机模拟或硬件实现应用与特点神经网络算法在图像识别语音识别自然语言处理等领域具有广泛应用它具有自适应。

6、前馈神经网络在解决XOR问题中的应用与分析 前馈神经网络作为最基础的神经网络形式，其各神经元分层排列，仅与前一层神经元相连这种结构使得网络能够接收前一层的输出，并传递至下一层，而各层之间没有反馈连接该网络是人工神经网络中应用广泛且发展迅速的代表，自20世纪60年代研究开始以来，其理论与。

7、1人工智能建筑的应用有哪些mdashmdash预防成本超支 尽管雇佣了最好的项目团队，大多数大型项目还是超出了预算人工神经网络Ann是用来预测成本超支的基础因素，如项目的规模，合同类型，和项目经理的能力预测模型使用历史数据，例如计划的开始和结束日期，以可视化未来项目的实际时间线人工智能。

8、这种控制方法是人工神经网络理论与控制理论交融的产物，其发展融合了多学科的智慧它汲取了数学的严谨，生物学的启发，神经生理学和脑科学的深入理解，遗传学的遗传机制，人工智能的智能决策，计算机科学的算法设计，以及自动控制的实践技术，构成了丰富的理论和技术基础在控制理论的范畴中，学习控制系统因。

9、人工神经网络Artificial Neural Networks简称ANN系统从20 世纪40 年代末诞生至今仅短短半个多世纪，但由于他具有信息的分布存储并行处理以及自学习能力等优点，已经在信息处理模式识别智能控制及系统建模等领域得到越来越广泛的应用尤其是基于误差反向传播Error Back Propagation算法的多层前馈网络MultipleLa。