【正文】 參考文獻(xiàn)[1]劉穎(編者), 李樹(shù)奎(編者)，工程材料及成形技術(shù)基礎(chǔ)，北京理工大學(xué)出版社。只有跟上發(fā)展先進(jìn)制造技術(shù)的世界潮流,將其放在戰(zhàn)略?xún)?yōu)先地位,并以足夠的力度予以實(shí)施,才能盡快縮小與發(fā)達(dá)國(guó)家的差距,才能在激烈的市場(chǎng)競(jìng)爭(zhēng)中立于不敗之地。通過(guò)計(jì)算機(jī)模擬，可深入研究材料的結(jié)構(gòu)、組成及其各物理化學(xué)過(guò)程中宏觀、微觀變化機(jī)制，并由材料成分、作者:于江龍結(jié)構(gòu)及制備參數(shù)的最佳組合進(jìn)行材料設(shè)計(jì)[9]。模擬仿真可提高產(chǎn)品質(zhì)量5～15倍，增加材料出品率25％，降低工程技術(shù)成本13%～30%，降低人工成本5%～20%，提高投入設(shè)備利用率30%～60%，縮短產(chǎn)品設(shè)計(jì)和試制周期30%～60%等。（4）開(kāi)發(fā)新型制備與成形加工技術(shù)，發(fā)展新材料和新產(chǎn)品塊體非晶合金制備和應(yīng)用技術(shù)、連續(xù)定向凝固成形技術(shù)、電磁約束成型技術(shù)、雙結(jié)晶器連鑄與充芯連鑄復(fù)合技術(shù)、多坯料擠壓技術(shù)、微成形加工技術(shù)等，是近年來(lái)開(kāi)發(fā)的新型制備與成形加工技術(shù)。新設(shè)備具有體積重量小、能耗低、噪音低、制品性能可控、適應(yīng)性好、可靠性高等優(yōu)點(diǎn)[7]新材料成形加工技術(shù)材料成形、先進(jìn)超塑性成形、激光焊接、電子束焊接、復(fù)合熱源焊接、擴(kuò)散焊接、摩擦焊接等先進(jìn)技術(shù)，實(shí)現(xiàn)組織與性能的精確控制，不僅可以提高傳統(tǒng)材料的使用性能，還有利于改善難加工材料的加工性能，開(kāi)發(fā)高附加值材料。（3)高分子材料加工成形技術(shù) 現(xiàn)在采用的是聚合物動(dòng)態(tài)反應(yīng)加工技術(shù)及設(shè)備與傳統(tǒng)技術(shù)無(wú)論是在反應(yīng)加工原理還是設(shè)備的結(jié)構(gòu)上都完全不同，該技術(shù)是將電磁場(chǎng)引起的機(jī)械振動(dòng)場(chǎng)引入聚合物反應(yīng)擠出全過(guò)程，達(dá)到控制化學(xué)反應(yīng)過(guò)程、反應(yīng)生成物的凝聚態(tài)結(jié)構(gòu)和反應(yīng)制品的物理化學(xué)性能的目的。材料的性能必須根據(jù)制品的使用要求進(jìn)行設(shè)計(jì)，因此在造反材料、設(shè)計(jì)配比、確定纖維鋪層和成型方法時(shí)，都必須滿足制品的物化性能、結(jié)構(gòu)形狀和外觀質(zhì)量要求等。高分子加工與成型通常有以下形式：高分子熔體的加工、類(lèi)橡膠狀聚合物的加工、高分子液體的加工、低分子聚合物或預(yù)作者:于江龍聚物的加工、高分子懸浮體的加工以及高分子的機(jī)械加工。高分子材料科學(xué)的基本任務(wù)是：研究高分子材料的合成、結(jié)構(gòu)和組成與材料的性質(zhì)、性能之間的相互關(guān)系；探索加工工藝和各種環(huán)境因素對(duì)材料性能的影響；為改進(jìn)工藝，提高高分子材料的質(zhì)量，合理使用高分子材料，開(kāi)發(fā)新材料、新工藝和新的應(yīng)用領(lǐng)域提供理論依據(jù)和基礎(chǔ)數(shù)據(jù)。從制造角度看，它根據(jù)CAD造型生成零件三維幾何信息，控制多維系統(tǒng)，通過(guò)激光束或其他方法將材料逐層堆積而形成原型或零件。從成形角度看，零件可視為“點(diǎn)”或“面”的疊加?？焖俪尚椭圃焓菍⒅破冯x散成為相互獨(dú)立的層并將各層獨(dú)立制造。(2)半固態(tài)成型半固態(tài)成型包括半固態(tài)流變成型和半固態(tài)觸變成形兩類(lèi)：前者是將制備的半固態(tài)漿料直接用于成型，如壓鑄成型（稱(chēng)為半固態(tài)流變壓鑄）；后者是對(duì)制備好的半固態(tài)坯料進(jìn)行重新加熱，使其達(dá)到半熔融狀態(tài)，然后進(jìn)行成型，如擠壓成型（稱(chēng)為半固態(tài)觸變作者:于江龍新材料成形加工技術(shù)成實(shí)體原型。粉末材料成型加工技術(shù)的研究重點(diǎn)包括粉末注射成型膠態(tài)成型、溫壓成型及微波、等離子輔助低溫強(qiáng)化燒結(jié)等。(5)金屬粉末材料成型加工 粉末材料的成型加工是一種典型的近終形、短流程制備加工技術(shù)，可以實(shí)現(xiàn)材料設(shè)計(jì)、制備預(yù)成型一體化；可自由組裝材料結(jié)構(gòu)從而精確調(diào)控材料性能；既可用于制備陶瓷、金屬材料，也可制備各種復(fù)合材料。典型的無(wú)模成型技術(shù)有增量成型、無(wú)摸拉拔、無(wú)模多點(diǎn)成型、激光沖擊成型等。目前快速凝固技術(shù)被廣泛地用于非晶或超細(xì)組織的線材、帶材和體材料的制備與成型[1]擠壓）。傳統(tǒng)的快速凝固追求高的冷卻速度而限于低維材料的制備，如非晶絲材、箔材的制備。Integrated flexible intelligent manufacturing system新材料成形加工技術(shù)向凝固、連續(xù)鑄軋、連續(xù)鑄擠、精密鑄造、半固態(tài)加工、粉末注射成型、陶瓷膠態(tài)成型、熱等靜壓、無(wú)模成型、微波燒結(jié)、離子束制備、激光快速成型、激光焊接、表面改性等，促進(jìn)了傳統(tǒng)材料的升級(jí)換代，加速了新材料的研究開(kāi)發(fā)、生產(chǎn)和應(yīng)用，解決了高技術(shù)領(lǐng)域發(fā)展對(duì)特種高性能材料的制備加工與組織性能精確控制的急需。其中包括高效、精密的加工工藝、裝備和檢測(cè)技術(shù)，低能耗、低成本產(chǎn)品的流程制造，集成、柔性、智能化制造系統(tǒng)，是工程可持續(xù)發(fā)展與綠色制造體系的重要組成部分?？梢酝ㄟ^(guò)神經(jīng)網(wǎng)絡(luò)對(duì)事物進(jìn)行預(yù)測(cè)從而用簡(jiǎn)單的方法完成復(fù)雜的問(wèn)題。但是要確定徑向基函數(shù)的分布密度。（4）RBP網(wǎng)絡(luò)隱含層的層數(shù)和單元數(shù)的選擇要憑借經(jīng)驗(yàn)反復(fù)驗(yàn)證，因此網(wǎng)絡(luò)的冗余性比較大。（2）在處理同一問(wèn)題時(shí)，通常情況BP網(wǎng)絡(luò)所需的神經(jīng)元個(gè)數(shù)比RBF網(wǎng)絡(luò)要少。從上面所示的結(jié)果來(lái)看，主要有一下幾方面的不同：（1）由于學(xué)習(xí)速率是固定的，因此BP網(wǎng)絡(luò)的訓(xùn)練過(guò)程較長(zhǎng)，當(dāng)需要處理較復(fù)雜的問(wèn)題時(shí)，需要的時(shí)間很長(zhǎng)。采用局部激勵(lì)函數(shù)的RBF網(wǎng)絡(luò)在很大程度上克服了上述缺點(diǎn)，RBF不僅有良好的泛化能力，而且對(duì)于每個(gè)輸入值，只有很少幾個(gè)節(jié)點(diǎn)具有非零激勵(lì)值，因此只需很少部分節(jié)點(diǎn)及權(quán)值改變。BP網(wǎng)絡(luò)使用的Sigmoid函數(shù)具有全局特性，它在輸入值的很大范圍內(nèi)每個(gè)節(jié)點(diǎn)都對(duì)輸出值產(chǎn)生影響，并且激勵(lì)函數(shù)在輸入值的很大范圍內(nèi)相互重疊，因而相互影響，因此BP網(wǎng)絡(luò)訓(xùn)練過(guò)程很長(zhǎng)。但由于它們使用的激勵(lì)函數(shù)不同，其逼近性能也不相同。我相信只要能客服這些局限性，人工神經(jīng)網(wǎng)絡(luò)的發(fā)展將不可限量。其主要表現(xiàn)有：(1)受到腦科學(xué)研究的限制：由于生理實(shí)驗(yàn)的困難性，因此目前人類(lèi)對(duì)思維和記憶機(jī)制的認(rèn)識(shí)還很膚淺，還有很多問(wèn)題需要解決；(2)還沒(méi)有完整成熟的理論體系；(3)還帶有濃厚的策略和經(jīng)驗(yàn)色彩；(4)與傳統(tǒng)技術(shù)的接口不成熟。從人工神經(jīng)網(wǎng)絡(luò)的模擬程序和專(zhuān)用芯片的不斷推出、論文的大量發(fā)表以及各種應(yīng)用的報(bào)道可以看到，在這個(gè)領(lǐng)域里一個(gè)百家爭(zhēng)鳴的局面已經(jīng)形成。正是由于人工神經(jīng)網(wǎng)絡(luò)是一門(mén)新興的學(xué)科，它在理論、模型、算法、應(yīng)用和時(shí)限等方面都還有很多空白點(diǎn)需要努力探索、研究、開(kāi)拓和開(kāi)發(fā)。經(jīng)過(guò)多年的發(fā)展，目前已有上百種的神經(jīng)網(wǎng)絡(luò)模型被提出。在國(guó)際上，1987年，在美國(guó)加洲召開(kāi)第一屆國(guó)際神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)，此后每年召開(kāi)兩次國(guó)際聯(lián)合神經(jīng)網(wǎng)絡(luò)大會(huì)（UCNN），不久，改學(xué)會(huì)創(chuàng)辦了刊物Journal Neural Networks，另有十幾種國(guó)際著名的神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)刊物相繼問(wèn)世。通過(guò)運(yùn)用人工神經(jīng)網(wǎng)絡(luò)建模，可以進(jìn)行預(yù)測(cè)事物的發(fā)展，節(jié)省了實(shí)際要求證結(jié)果所需的研究時(shí)間。在經(jīng)歷了漫長(zhǎng)的初創(chuàng)期和低潮期后，人工神經(jīng)網(wǎng)絡(luò)終于以其不容忽視的潛力與活力進(jìn)入了發(fā)展高潮。當(dāng)人們的思想轉(zhuǎn)向研究大自然造就的精妙的人腦結(jié)構(gòu)模式和信息處理機(jī)制時(shí)，推動(dòng)了腦科學(xué)的深入發(fā)展以及人工神經(jīng)網(wǎng)絡(luò)和鬧模型的研究。諾依曼原理，基于程序存取進(jìn)行工作的，歷經(jīng)半個(gè)多世紀(jì)的發(fā)展，其結(jié)構(gòu)模式與運(yùn)行機(jī)制仍然沒(méi)有跳出傳統(tǒng)的邏輯運(yùn)算規(guī)則，因而在很多方面的功能還遠(yuǎn)不能達(dá)到認(rèn)得智能水平?，F(xiàn)代計(jì)算機(jī)構(gòu)成單元的速度是人腦中神經(jīng)元速度的幾百萬(wàn)倍，對(duì)于那些特征明確，推理或運(yùn)算規(guī)則清楚地可編程問(wèn)題，可以高速有效地求解，在數(shù)值運(yùn)算和邏輯運(yùn)算方面的精確與高速極大地拓展了人腦的能力，從而在信息處理和控制決策等方面為人們提供了實(shí)現(xiàn)智能化和自動(dòng)化的先進(jìn)手段。關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)，BP神經(jīng)網(wǎng)絡(luò)，三層BP網(wǎng)絡(luò)，Hopfield神經(jīng)網(wǎng)絡(luò)，模式識(shí)別Study on Simulation Analytical Method of Artificial neural network(School of Engineering, HLJ August First Land Reclamation University, Daqing 163319)Abstract:Artificial neural network is to the brain function, some degree of reflect with adaptive and selflearning ability, but through the study of pattern samples from, obtain characteristics, and can be applied to study the knowledge obtained recognition of images and on artificial neural network did briefly, focused on the two kinds of the most widely used neural network model: BP neural network and Hopfield neural BP neurl network is analyzed in detail, the emphasis is on three layers of BP neural network neural network is us extensively, this article with the Hopfield neural network for English letters words: artificial neural network, the BP neural network, and the third floor Hopfieldneural network BP network, pattern recognition1引言隨著多媒體和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展及廣泛應(yīng)用，人工神經(jīng)網(wǎng)絡(luò)已被廣泛運(yùn)用于各種領(lǐng)域，而它的預(yù)測(cè)功能也在不斷被人挖掘著。對(duì)BP神經(jīng)網(wǎng)絡(luò)作了詳細(xì)的介紹，重點(diǎn)在于三層BP網(wǎng)絡(luò)的學(xué)習(xí)。六、參考文獻(xiàn) [1]《人工智能簡(jiǎn)史》孫興 清華大學(xué)出版社，1990年 [2]蔡自興 徐光佑 《人工智能及其應(yīng)用》 清華大學(xué)出版社 2002年1月 [3]王萬(wàn)森人工智能原理及其應(yīng)用北京：電子工業(yè)出版社，2010第四篇：先進(jìn)制造技術(shù)論文《先進(jìn)制造技術(shù)》課程論文——人工神經(jīng)網(wǎng)絡(luò)摘要：人工神經(jīng)網(wǎng)絡(luò)是對(duì)人腦功能的某些程度的反映，具有自適應(yīng)和自學(xué)習(xí)的能力，可通過(guò)對(duì)模式 樣本的自學(xué)習(xí)，從中獲取特征，并能將學(xué)習(xí)獲得的知識(shí)應(yīng)用到圖像、文字等識(shí)別中。由腦科學(xué)、認(rèn)知科學(xué)、人工智能等共同研究智能的本質(zhì)和機(jī)理，形成交叉學(xué)科智能科學(xué)。另一方面是學(xué)科的高度融合，更多地呈現(xiàn)交叉和綜合的趨勢(shì)，新興學(xué)科和交叉學(xué)科不斷涌現(xiàn)。人工智能的研究一旦取得突破性進(jìn)展，將會(huì)對(duì)信息時(shí)代產(chǎn)生重大影響，對(duì)人類(lèi)文明產(chǎn)生重大影響。人工智能研究用人工的方法和技術(shù)，模仿、延伸和擴(kuò)展人的智能，實(shí)現(xiàn)機(jī)器智能。腦科學(xué)從分子水平、細(xì)胞水平、行為水平研究自然智能機(jī)理，建立腦模型，揭示人腦的本質(zhì)。作為科學(xué)研究可能涉及到的敏感問(wèn)題，需要針對(duì)可能產(chǎn)生的沖突及早預(yù)防，而不是等到問(wèn)題矛盾到了不可解決的時(shí)候才去想辦法化解?，F(xiàn)有的游戲?qū)⒅鸩桨l(fā)展為更高智能的交互式文化娛樂(lè)手段，今天，游戲中的人工智能應(yīng)用已經(jīng)深入到各大游戲制造商的開(kāi)發(fā)中。人工智能對(duì)社會(huì)的影響。但同時(shí)，也帶來(lái)了勞務(wù)就業(yè)問(wèn)題。專(zhuān)家系統(tǒng)更深入各行各業(yè)，帶來(lái)巨大的宏觀效益。更重要的是，AI反過(guò)來(lái)有助于人類(lèi)最終認(rèn)識(shí)自身智能的形成。人工智能對(duì)自然科學(xué)的影響。五、結(jié)論先進(jìn)制造技術(shù)當(dāng)今國(guó)際間科技競(jìng)爭(zhēng)的焦點(diǎn)，隨著社會(huì)的發(fā)展，市場(chǎng)需求的個(gè)性化與多元化，人們對(duì)產(chǎn)品的要求也日益多元化，市場(chǎng)競(jìng)爭(zhēng)日趨激烈，企業(yè)要在日趨激烈的市場(chǎng)競(jìng)爭(zhēng)中生存發(fā)展，就必須采用先進(jìn)的制造技術(shù)。盡管如此，從目前來(lái)看，人工智能仍處于學(xué)科發(fā)展的早期階段，其理論、方法和技術(shù)都不太成熟，人們對(duì)它的認(rèn)識(shí)也比較膚淺。人工智能的近期目標(biāo)是實(shí)現(xiàn)機(jī)器智能，即先部分地或某種程度地實(shí)現(xiàn)機(jī)器的智能，從而使現(xiàn)有的計(jì)算機(jī)更靈活、更好用和更有用，成為人類(lèi)的智能化信息處理工具。人工智能是一門(mén)研究機(jī)器智能和智能機(jī)器的新型的、綜合性的、具有強(qiáng)大生命力的邊緣學(xué)科，它研究怎樣讓計(jì)算機(jī)或智能機(jī)器（包括硬件和軟件）模仿、延伸和擴(kuò)展人腦從事推理、規(guī)劃、計(jì)算、思考、學(xué)習(xí)等思維活動(dòng)，解決迄今為止需要人類(lèi)專(zhuān)家才能處理好的復(fù)雜問(wèn)題。人工智能將是21世紀(jì)邏輯學(xué)發(fā)展的主要?jiǎng)恿υ慈?，并且在很大程度上將決定21世紀(jì)邏輯學(xué)的面貌。人工智能研究與應(yīng)用雖然取得了不少成果,但離全面推廣應(yīng)用還有很大距離,還有許多問(wèn)題有待于解決且需要許多學(xué)科的研究專(zhuān)家共同創(chuàng)作。實(shí)用機(jī)器人在第三個(gè)方面做得比較多，而識(shí)別和智能運(yùn)算是很弱的，尤其是概念知識(shí)的存儲(chǔ)形式、邏輯判斷和決策這些方面更是鮮有成果，這正是人工智能要重點(diǎn)解決的問(wèn)題。二、智能運(yùn)算過(guò)程，輸入信息刺激自我學(xué)習(xí)、信息檢索、邏輯判斷、決策，并產(chǎn)生相應(yīng)反應(yīng)。我們至少需要經(jīng)過(guò)幾代人的持續(xù)奮斗，進(jìn)行多學(xué)科聯(lián)合協(xié)作研究，才可能基本上解開(kāi)”智能”之謎，使人工智能理論達(dá)到一個(gè)更高的水平。上述存在問(wèn)題和其它問(wèn)題說(shuō)明，人腦的結(jié)構(gòu)和功能要比人們想象的復(fù)雜得多，人工智能研究面臨的困難要比我們估計(jì)的重大得多，人工智