(1)利伯曼猜想，小孩的自我神經網絡，還沒有完全上線運轉。他們該有的裝備都在，只是還沒辦法像成年人一樣運用自如。
(2)實驗表明，智能神經網絡系統組成原理將面向對象、符號邏輯融于神經網絡中，提供了構造功能完備的智能系統的途徑。
(3)潛艇指揮決策控制過程是一個典型的模糊過程，模糊神經網絡能夠較好地處理模糊信息，并具備模糊推理能力。
(4)在“雙電源二次激勵法”的基礎上，應用人工神經網絡技術研制了一種“移動式濕型砂質量參數快速測試車”。
(5)研究結果表明，基于灰色關聯度和BP神經網絡的城市生活垃圾清運量和組分預測模型能有效的預測城市生活垃圾的清運量和組分，具有較好的可行性和適用性。
(6)結果表明：神經網絡具有實測樣本的自學習功能，對橋梁施工預拱度有較好的精度。
(7)針對嚴重非線性失真信道，提出了一種級聯混合小波神經網絡自適應高均衡器。
(8)然后通過訓練神經網絡把這些知識儲存于神經網絡的權值中，幷在其它的地震輸人下使用。
(9)神經網絡訓練誤差值的選取是一個具有挑戰性的問題。
(10)采用神經網絡方法建立了重軌生產性能預報模型，并通過模型結構優化提高了模型預報的可靠性。
(11)為消去多余坐標引入了BP神經網絡，建立了以廣義坐標為自變量的等效轉動慣量的數學模型。
(12)基于這些決定性因素，用神經網絡的方法建立了一個用于個性化網站界面風格和布局設計的用戶模型。
(13)語音識別系統利用神經網絡完成的源代碼,已經過測試.
(14)函數逼近應用實例結果表明，將有理式多層神經網絡用于解決傳統問題是有效的。
(15)該文提出了一種采用BP神經網絡實現仿真線的方法。
(16)在非線性段則用兩個改進的BP神經網絡分別映射其反函數作為校正環節，從而實現非線性誤差校正。
(17)結果表明,神經網絡在拉延筋工藝效果預測方面具有重要的應用價值.
(18)盡管神經網絡是一類黑箱式的非線性映射，但它具有良好的自學習能力。
(19)人工智能和人工神經網絡是智能科學發展的兩個方向，機器人技術是目前取得的階段性的重大成果。
(20)提出了一類解不等式約束優化問題的神經網絡，并針對幾個黨見的約束優化問題給出了相應的網絡求解公式。
(21)以三峽庫區巴東縣黃土坡區斜坡穩定性區劃為例，用神經網絡模型和信息量模型兩種方法進行了斜坡穩定性預測，取得了滿意的效果。
(22)探索了將神經網絡用于焊接熔池圖像處理的方法，采用BP神經網絡對二值化熔池圖像進行邊緣提取，取得了理想的效果。
(23)同時,改進的ART2神經網絡在核輻射場數據處理分類中有一定的實用價值.
(24)最后，提出了綜合信息融合技術、人工神經網絡技術、專家系統知識的智能化異步電動機故障診斷系統。
(25)采取附加動量項和自適應學習步長的措施，解決了BP神經網絡局部收斂和學習時間過長的問題。
(26)針對無指針式儀表表盤的數字識別問題，提出了一種基于特征提取和粗糙集特征約簡的神經網絡數字識別方法。
(27)針對光通量衰減與濕度、塵埃比率和鹽密之間相互作用的復雜性，建立了神經網絡數學模型，訓練后的模型輸出準確度較高。
(28)設計了一種以TMS320LF2407ADSP器件為控制核心，以模糊神經網絡控制為主要算法的智能冷陰極潘寧氣體離子源束流控制系統。
(29)針對一類典型過程控制系統中存在的非線性和參數不確定問題，提出了神經網絡的建模方法。
(30)該算法的本質是提供牛頓法的速度和保證收斂的最速下降法之間的一個折中，適合于性能指標是平方誤差的神經網絡訓練。
