人工神經網路（ANN）已經涉及許多應用來解決現實世界的問題。
在商業目的中，人工神經網路可以用來根據市場的歷史數據預測利潤，市場變動和價格水平。在醫療應用中，醫生可以根據其他患者的歷史數據集來評估許多患者的病例。在工業中，工程師可以應用人工神經網路來解決很多工程問題，如分類，預測，模式識別以及非線性問題，這些問題非常困難，或者可能無法通過正常的數學過程求解。人工神經網路已被應用於預測傾斜路徑雨衰
（1）預測地球 - 空間路徑上的雨衰，預測水質指數（WQI）以及在核電站中預測信號
（2）他們也被用於人臉識別
（3）在醫學應用中，人工神經網路已被用於檢測腦部疾病
（4）和DNA倍體，以及乳腺癌抽吸細胞的細胞週期分佈，這些細胞通過圖像細胞計量術測量，並通過人工神經網路分析其預後意義
（5）支持向量機（SVM）是現代和有效的工具，已經被用來解決分類問題和模式識別等困難。與人工神經網路相比，支持向量機可以用來解決更複雜的問題。在SVM中，不需要從多個應用程序中選擇特徵，支持向量機已經證明它們比人工神經網路更準確，更穩定，這將在本文後面的熒光譜分類中得到證明。
（6）識別雷達發射信號
（7）檢測複雜攻擊
（8）和視覺語音識別
（9）等多種方法應用
本文報導了用熒光光譜法進行油分類。其目的是基於幾個油類（污泥，原油和重油）的熒光光譜的實驗數據集對油熒光光譜進行分類。使用以下三種方法進行分類：渠道關係法（CRM），人工神經網路（ANN）和支援向量機（SVM）。
