1、“.....实际生产中将其归为类，即炼焦条件原料煤性质和煤料制备条件。对于冶金焦炭的各项指标来说，焦炭抗碎强度耐磨强度硫分，以及灰分直接影响高炉的炼铁效果，也是其价格与品级的重要指标如下图。而配合煤的粘结性指数灰分挥发分和硫分，又直接影响焦炭性能。炼焦生产过程非常复杂，存在诸多不确定性因素，用传统的方法难以实现对所炼制的焦炭进行定性定量的质量预测。图配煤过程中的有关参数鉴于神经网络是种模仿人类大脑结构和功能建立的理论，它具有自适应性并行能力，并能执行非线性任务和去除噪声的能力......”。

2、“.....为实现用神经网络进行焦炭质量预测，进而优化其配煤比的实现提供了可能。本文实验采用前向型神经网络神经网络，预测因子为配合煤的粘结性指数灰分挥发分和硫分，即为神经网络的维输入向量。输出层也为个神经元，分别为焦炭的抗碎强度耐磨强度灰分以及硫分，输出向量也是个维的向量。中间层的传递函数选择函数。在集成框神经网络训练里填写神经网络的参数以及训练网络所需的样本文件。建立神经网络，设定训练步数误差范围学习速率的选择在般的情况下倾向于选择较小值以保证稳定性......”。

3、“.....改变其隐含层神经元节点的数目，然后用数据库中的数据来对其进行训练，数据有最佳学习效果和最好预测效果的神经网络即是我们所需要的神经网络如下图。训练结束后弹出训练网络的图，该图为动态过程。训练停止后，用户可以看到的训练效果如图所示，用户可以保存训练获得的权值，供后面的预测使用。图神经网络训练过程简图图神经网络训练结果图示例结果分析网络经过训练以后才可以对实际生产的焦炭进行质量预测，网络训练步数隐含神经元节点个数，直接对网络的非线性预测能力起着至关重要的作用......”。

4、“.....隐含层节点数的确定隐含层节点的个数取决于训练样本数样本噪声大小以及样本中蕴涵规律的复杂程度。确定隐含层节点数常用的方法是试凑法，试凑法常采用经验公式式中，为输入层神经元的个数，为输出层神经元的个数。神经网络模型的最佳隐含层节点数般会落入区间，。在每次根据样本信号，同时校正隐层和输出层参数，以进步提高网络的精度。图网络„„„„，。网络的学习过程分为两个阶段。第阶段，根据所输入的样本决定隐层各节点的高斯核函数的中心值和标准化常数。第二阶段在决定好生较大的输出。由此可看出这种网络具有局部逼近能力......”。

5、“.....网络的输出为隐层节点输出的线性组合，即„„其中层，隐层节点由向高斯核函数那样的辐射状作用函数构成，而输出层节点通常是简单的线性函数。隐层节点中的作用函数核函数对输入信号将在局部产生相应，也就是说，当输入信号靠近核函数的中央范围时，隐层节点将产受到模式识别化学信息处理信号理论与控制等领域研究人员广泛关注的种前馈神经网络模型。其逼近能力分类能力和学习能力等方面优于网络。径向基函数网络模型结构如下图所示输入层节点只是传递输入信号到隐出只能是或......”。

6、“.....线性神经网络主要用于含糊逼近信号处理滤波预测模型识别和控制等方面。径向基函数网络径向基函数网络是近年来经网络线性神经网络是最简单的种神经网络，可以由个或多个线性神经元组成线性神经网络与感知神经网络的不同之处在于其每个神经元的传递函数为线性函数，因此，线性神经网络的输出可以取任意值而感知神经网络的输传播过程，这两个过程的反复运用，使得误差信号最小。实际上，误差达到人们所希望的要求，网络的学习过程就结束。其算法是在导师指导下，适合于多层神经元网络的种学习，是建立在梯度下降法的基础上的。线性神层神经元网络......”。

7、“.....就是实际输出值与期望输出值之间有误差，那么转入反向传播过程，将误差信号沿原来的链接通路返回，通过修改各层神经元的权值，依次地向输入层传播去进行计算，再经过正向含层节点上经过各单元的特性为型激活函数运算后把隐含节点的输出信息传播到输出节点，别等领域。它具有强适应性自组织性自学习能力和强容错性的特点。这些特点对复杂的非线性的炼焦配煤问题非常重要，神经网络可以很方便的实现对炼焦配煤问题的求解，以达到高精度地预测焦炭质量科学优化配煤方案。因此，焦化生产过程神经网络具有广泛的应用前景，对提高焦炭质量减少能源损耗等方面也都具有重要意义......”。

8、“.....前向型神经网络前向型神经网络是整个神经网络体系中最常见的种网络结构，其网络中各个神经元接受前级的输入，并输出到下级，网络中没有反馈，可以用个有向无环路图表示。这种网络实现信号从输入空间的交换，它的信息处理能力来自于简单非线性函数的多次复合。它的网络结构简单，易于实现。常见的包括网络径向基函数网络线性神经网络。网络目前，在神经网络的实际应用中绝大多数的神经网络是采用网络和它的变化形式，它也是前向网络的核心部分，并体现了人工网络的最精华部分......”。

9、“.....模型识别用个特定的输出的输出矢量将它与输入矢量联系起来。分类把输入矢量以所定义的合适方式进行分类。数据压缩较少输出矢量维数以便于传输或储存。网络结构网络是种单向传播的多层前向网络，其结构如下图所示。网络除输出节点外，还有层或多层的隐层节点，同层节点中没有任何耦合。输入信号从输入层节点依次传过各隐层节点，然后传到输出节点，每层节点的输出影响下层节点的输出。其节点单元如下通常为型，但在输出层中，节点的单元特性有时为线性。图网络算法的数学描述这种网络不仅有输入节点，输出节点......”。