شبکه های عصبی مصبنوعی ( Artificial Neural Network - ANN ) يا به بیان ساده تر شبکه های عصبی سیستم ها و روش های محاسباتی نوينی هستند برای يادگیری ماشینی، نمايش دانش، و در انتها اعمال دانش بدست آمده در جهت بیش بینی پاسخ های خروجی از سامانه های پیچیده.

این مقاله با بررسی شبیه سازی عددی جریان سه بعدی دائمی آرام و توسعه یافته سیال غیر قابل تراکم در داخل کانال منحنی الشکل با مقطع مستطیلی و چگونگی شکل گیری جریان ثانویه در داخل خم و عوامل مؤثر بر شدت جریان ثانویه در داخل کانال به خصوص در قسمت منحنی الشکل، به تحلیل چگونگی بهینه سازی شدت جریان ثانویه در کانال های مورد بررسی پرداختهاست.

در این تحقیق با دانستن تعداد مشترکین در بخش‌های خانگی، صنعتی، کشاورزی و عمومی، در استان‌های تهران، اصفهان، فارس در یازده سال، به پیش‌بینی فروش انرژی برق بر حسب میلیون کیلو وات ساعت پرداخته می شود.

 اثر بکارگیری نانوسیالات در چرخه های حرارتی به کمک شبکه­ عصبی مصنوعی،در اين پژوهش، شبیه­ سازی شده ­است.

مطالعه‌ نحوه عملکرد شبکه‌های عصبی مصنوعی (ANN) ، مقایسه‌ی روش‌های شبکه‌های عصبی مصنوعی و روش خود رگرسیونی میانگین متحرک انباشته (ARIMA) در برازش و پیش‌بینی داده‌های سری زمانی بهره‌وری انرژی در این مقاله ارائه می شود.

تحقیق در مورد استفاده از شبکه عصبی دسته بندی گروهی داده‌های عددی ( GMDH ) به منظور پیش­ بینی خصوصیات عملکردی و آلایندگی یک موتور دیزل چهار سیلندر چهار زمانه هنگامی که با ترکیبات بیودیزل روغن­ پسماند خوراکی با سوخت دیزل پایه تغذیه می­ شود، در این پژوهش ارائه می گردد.

یك شبكه حسگر بیسیم عبارتست از تعداد زیادی حسگرهای كوچك باتوان پایین در ارسال و دریافت كه می تواند ابزاری مؤثر برای گردآوری داده در محیط های گوناگون باشد.

در این مقاله، از شبکه عصبی از نوعGMDH() Group Method of Data Handling به عنوان ابزاری با قابلیت بالا در مدل سازیسیستم های غیر خطی و پیچیده، برای مدل سازی موتور توربوفن استفاده شده است.

هدف این پژوهش تخمین میزان بار اکتیو واحدهای نیروگاهی تحت تاثیر وضعیت جوی، با یک روش علمی مدون به  گونه ای است که این نواسانات جوی تاثیرات نامطلوب کمتری بر روی کارایی برج های خنک کننده و به دنبال آن افت راندمان در این واحدها داشته باشد.