函数连接型神经网络应用于岩石含矿性研究

函数连接型神经网络是一种无隐含层的新型网络,应用其三阶联合激励增强特性对某矿区矿石与围岩进行判别研究,识别准确率近１００％．在对预测集的每一个输入信号添加２０％的噪音干扰后,发现依然能准确判别．可见网络的容错能力是十分令人满意的．     

函数增强型神经网络应用于钢的冷弯性能研究

函数增强型神经网络（FunctionalEnhancedNet,简称FEN）是一种无隐含层的新型网络,作者应用其三阶联合激励增强特性对钢的冷弯性能进行判别研究,识别准确率近100％．对预测集的每一个输入信号添加噪音干扰,发现依然能准确判别．网络误差下降随着添加噪音的增大而逐渐变慢,可见该网络的容错能力令人满意．     

关于提高海洋化学课程建设的建议

海洋化学知识是培养海洋类人才必备的基础知识之一,本文通过对课程教学大纲、参考资料和相关实验教学的分析,以及对学生进行问卷调查,结合学生课外阅读,适当增加海洋化学讲座,培养学生运用海洋化学手段,并试着解释一些现在存在的海洋环境化学方面的问题,提高海洋化学课程的教学效果。