该文的第一篇结合人工智能技术应用于热轧硅钢生产工艺优化及在线监测专家系统建立的实际工作,提出了类相似软独立神经网络建模(independent meural network modelling of class analogy,INMCA)方法.人工智能优化的目的在于,按照优化模式所确立的生产工艺能够得以长期坚持,确保优化目标始终维持在较高水平,即巩固优化成果.为此,在获得相应工艺优化模型的基础上,研究人员将神经网络技术用作在线监测专家系统建立过程中知识获取和表达的有效手段,建立起基于神经网络的硅风退火网络型专家系统.该系统以PLS-BPN(偏最小二乘-以传神经网络)获取和表达的优化工艺知识为基础,结合炉测试系统、模数转移系统以及计算机多媒体技术,实现了对多炉热轧硅钢退火工艺在线监测、操作指导(离线控制)的目的.该文的第二篇论述了将模式识别-人工神经网络方法的PCA-BPN(主成分分析-反传神经网络)和PLS-BPN应用于CmⅠ、UⅠ、CmⅡ等重元素原子光谱能级的分类研究工作,明确指认了许多前人应用早期模式识别方法以及CPN(对传神经网络)方法无法确认或错误指认的未知能级所属的电子组态,取得了较好的效果.