由于码间干扰的影响，导致可见光通信系统的误码率提升。为此，提出了一种基于人工神经元网络(ANN)的 接收系统，采用角度分集接收技术采集信号，并通过神经元网络对所获得的多组数据进行合并优化构成总的输出 信号。该接收系统可以有效地降低码间干扰对系统的影响，提高接收信号的信噪比(SNR)，降低系统的误码率 (BER)。采用Matlab 软件模拟仿真信号传输实验以验证该系统的性能及优越性。仿真结果表明，在信源与环境的 信噪比相同情况下，基于神经元网络均衡处理的分集接收系统误码率比传统的使用单输入单输出(SISO)技术的系 统误码率更低，并且可以减弱码间干扰所带来的影响。优化了可见光通信(VLC)系统的信道性能，具有广阔的应用 前景。

生物医学领域中的生物植入体必须使用具有生物相容性的材料进行连接以适应人体内复杂的生物、物理和化学环境。激光透射焊接(LTW)是解决生物医用材料之间连接的一种新方法。由于利用实验方式获得生物医用材料的最佳焊接工艺参数时间长、成本高，因此提出一种数值模拟驱动实验设计、工艺参数建模与优化的方法，对激光透射焊接生物医用材料进行了系统的研究。首先利用有限元模型(FEM)对焊接过程中的温度场进行模拟，并用焊接实验对模拟结果进行验证；然后利用FEM的模拟结果进行实验设计, 用人工神经元网络(ANN)建立工艺参数和焊接结果之间的数学模型，并用FEM的模拟结果对此数学模型的预测结果进行验证；最后采用满意度函数(DF)与遗传算法(NSGA-II)相结合的方法，对工艺参数进行多目标优化,并对优化结果进行验证。结果表明：优化的预测结果、实验结果、模拟结果之间均取得了较好的一致性，此方法为有效指导生物医学领域中的焊接实验、提高焊接质量和降低生产成本开辟了新途径。

采用旋转中心复合设计进行了激光透射焊接热塑性塑料聚碳酸酯的实验设计，分别建立了响应曲面法和基于遗传算法的人工神经元网络法的数学模型，运用这两种数学模型建立激光透射焊接工艺参数(激光功率、扫描速度、夹紧压力、扫描次数)和连接强度的关系模型，然后使用这两种模型分别预测了连接强度，并优化了焊接工艺参数。系统地比较了两种模型的建模能力、泛化能力和优化能力。实验结果表明，两种优化方法的试验结果较接近，但是基于遗传算法的人工神经元网络的建模、泛化和预测的准确性比响应曲面的要好，因此遗传算法神经元网络是优化焊接质量的一种更有效的方法。