课程论文材料科学基础FundamentalsofMaterialsScience作者姓名：张琦年级专业：2008级应用化学课程名称：人工神经网络在材料科学中的应用与发展学号：指导教师：许东利完成日期：2011年6月6日成绩：信阳师范学院XinyangNormalUniversity---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---目录人工神经网络在材料科学中的应用与展望学生姓名：张琦学号：化学化工学院08级应化专业课程名称材料科学基础摘要：人工神经网络因其具有较强的非线性问题处理能力且容错性强而在材料科学中得到广泛的应用．本文对其在材料设计、材料制备工艺优化、塑性加工、热处理等领域的应用进行了探讨，并对其发展前景进行了展望。关键词：人工神经网络；材料科学；应用；展望TheapplicationsandprospectsofArtificalNeuralNetworksinMaterialsScienceAbstract:ArtificialNeuralNetworks(ANN)isusedwidelyinmaterialssciencebecauseitiscapableofdealingwithnon—linearproblemsandoffault—tolerant．Inthepaper，itsapplicationtomaterialsdesign，optimizationofprocessparameters，plasticprocessing，heattreatmentissummarizedandtheprospectsofANNarediscussed．Keywords:artificialneuralnetworks；metallurgicalindustry；application；prospect引言人工神经网络[1](ArtificalNeuralNetworks)是用来模拟人脑结构及智能特点的一个国际前沿研究领域，它具有独特的大规模并行分布处理及学习联想能力，力图模拟生物神经系统[2]．与其他传统模型相比，它具有以下独特的优点[3]：较强的非线性问题处理能力；对噪声和不完整信息具有低敏感性，抗噪声能力好；在运行过程中依动态数据库对周围环境具有自适应能力而自我调整、完善、发展使误差达到最小，以提高运行精度；能很好的完成多变量模式识别；能对过程实现在线响应，在系统中可以在线使用．尽管网络的具体类型很多，但其基本类型都是由大量的计算单元(神经元)广泛相互理解而构成的并行处理网络．由于他们的综合特点和人类的智能相似，故具有大规模并行、分布式存贮和处理、自组织、自适应的学习能力，适用于处理需要同时考虑许多因素和条件的不精确和模糊的信息问题，可以解决专家系统和统计分析方法不易解决的问题．其应用已渗透到模式信息处理和模式识别、最优化问题、信息的智能化处理、复杂控制、信号处理、数学逼近映射、感知觉模拟、概率密度函数估计、化学谱图分析、联想记忆及数据恢复等方面[4]．随着研究的深入，其应用将更加广泛．---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---1人工神经网络的概念与模型1.1概念人工神经网络(ArtificialNeuralNetwork，简称ANN)是由大量简单的称之为神经元(Neurons)的处理单元以某种拓扑结构广泛地相互联接而构成的复杂的、自适应、自组织的非线性的动力学系统[5]，具有学习功能、记忆功能、计算功能以及智万方数据第4期徐强，等：人工神经网络在材料科学中的应用与展望能处理功能，并在不同程度和层次上模仿人脑神经系统的信息处理、存储及检索功能[6]．他是在对以人脑为主要代表的生物神经系统的组织结构和行为特征进行研究的基础上，试图通过模拟人类神经系统对信息进行加工、记忆和处理的方式，设计出的一种具有人脑风格的信息处理系统．它更侧重于对人脑某些特定功能的模拟，强调大量神经元之间的协同作用．通过学习的方法解决问题是人工神经网络的重要特征．人工神经网络按其结构不同可分为：前向多层前馈神经网络(BP网)、反馈网络(Hopfield网)、自组织竞争人工神经网络(Kohonen网)、径向基函数网络(RBF网)等，尽管网络的具体类型很多，但其基本类型都是由大量的计算单元(神经元)广泛相互理解而构成的并行处理网络。在材料科学与工程领域，BP网应用的最为成功和广泛，是对映射能力和学习算法研究得最为深入的网络．该神经网络具有很强的自组织、自适应、联想记忆及推广能力，对有代表性例子的学习和训练，能够掌握事物的本质特征，可以解决许多问题．1.2模型人工神经网络的模型及算法，一般主要依据网络的准确性、自适应性、收敛性...