智能运输中匝道监视的神经网络模型

针对智能运输中匝道监视的动态演变过程、非稳定流向问题、智能运输中的模糊性、复杂性和高度自动化系统的稳定性要求的极端可靠性健壮，对匝道监视的内涵与属性进行讨论，探索匝道监视的运行机理，给出处理匝道监视的神经网络模型，建立逼近网络摄动演变系统，对智能运输基本原理和内在规律的研究将具有重要的理论意义和现实意义。     

一种基于神经网络的运输问题优化方法

将Hopfield神经网络与亚当姆斯公式相结合,在此基础上提出了一种解决运输问题的优化算法.该算法结合Hopfield神经网络优化功能,并根据运输问题的实际情况,将优化运输问题转换成求解网络系统的平衡点.通过实例验证了该方法的有效性、可行性,并且提高了网络的收敛速度.     

模糊逼近网络摄动系统及其在智能运输中的应用

以20世纪80年代中期兴起并紧密结合现代科学技术进步的一个新兴领域——智能运输为实际背景,分析了模糊神经网络有待解决的问题;针对这些问题提出了一个新的系统——模糊逼近神经网络摄动系统,并介绍了关于这个系统所开展的一些工作,对开展智能运输的研究将具有启迪作用和现实意义。     

动态Hopfield神经网络模型及学习算法

为了解决Ｈｏｆｉｅｌｄ神经网络对可变对象的学习问题，在「１」的基础上，建立了一动态Ｈｏｐｆｉｅｌｄ神经网络，及其学习方法，彻底解决了Ｈｏｐｆｉｅｌｄ神经网络的动态学习问题。     

自适应神经网络及其在刀具智能监控中的应用

讨论了神经网络的拓扑结构的学习和神经元激活函数等问题，提出了自构形神经网络的概念和算法，较好地解决了隐节点数目选取问题，将自适应神经网络用于刀具工状态智能监控的信号融合之中，取得了满意的结果。     

判别混沌与噪声的局部可变神经网络方法

为了解决多对单类型的分类问题（ 尤其是无限多对单） ，提出了一种处理多对单问题的新型神经网络模型———局部可变权值神经网络，并将其应用于混沌信号和噪声的判别．局部可变权值神经网络学习算法与传统神经网络类似，但在工作时可根据网络输入来调整神经网络局部权值．从最后分类结果看，无论是在学习时间还是在分类精度上，局部可变权值神经网络比传统神经网络都要好     

基于过程神经网络与气动热力参数的航空发动机状态监视

采用前馈过程神经网络方法预测发动机排气温度，讨论了网络输入输出参数的选择问题，基于正交基函数简化了前馈过程神经网络的聚合运算，提出了从前馈过程神经网络向传统前馈神经网络网络模型的转化方法，基于传统前馈神经网络先验知识给出了学习算法，进行了网络训练及仿真，取得了满意的结果。     

高阶神经网络研究简介

高阶神经网络灶神经网络研究的一个重要分支．本文介绍了高阶神经网络的概念、结构和优越性，讨论了ＴＣ等几个实际应用问题，同时阐述了高阶神经网络面临的困难和发展前景。     

神经网络在心电图诊断技术上的应用

综述了近年来神经网络技术在心电图诊断中的应用成果，提出了应用神经网络进行心电图分类的主要技术问题，并指出神经网络和专家系统相结合，是医疗诊断技术的发展方向．     

神经网络知识获取及推理技术在番茄专家系统中的应用

针对传统专家系统知识获取的瓶颈性问题，提出了基于神经网络和传统知识获取与表示相结合的方法。传统的推理方式存在推理效率低和冲突消解问题，提出了由神经网络推理和逻辑推理所组成的混和推理系统。利用神经网络的自学习、自组织、自适应特点，来实现自动知识获取；混和推理既利用了神经网络的并行处理的效率、解决了传统推理存在的冲突消解问题，又克服了神经网络推理结果无法解释等特点，具有较高的准确性和效率性。最后给出了番茄病虫害诊断的应用实例。     

一种应用于模式识别的神经网络模型

本文首先引入了感知神经元，建立了一种应用于模式识别的三层神经网络模型．对于任一组二元标准模式（二元图象或特征值序集），我们根据给定模式及要求设计神经网络，使之对输入模式进行识别．这种神经网络结构明确，易于实现，其实施有助于提高模式识别系统的执行速度与识别能力．     

优化神经元激活函数类型的重要性

以典型的前馈网络设计为例,对网络学习中神经元激活函数类型优化的重要性做了进一步的探讨。理论分析和实际算例显示：神经元激活函数类型相当于信号分解中的基函数,如果不对它进行优化,就不能获得理想的泛化性能。特别是外推泛化性能。     

一类两神经元时滞神经网络稳定性和Hopf分支

研究了一类具有两个神经元两个时滞的时滞神经网络模型.以两个时滞的各种组合为参数,研究了模型的局部稳定性和Hopf分支,得到模型的局部稳定性和产生局部Hopf分支的充分条件.最后,给出仿真实例,验证了理论分析结果的正确性.     

粗糙集理论在模糊神经网络中的应用研究

应用粗糙隶属度及粗糙神经0元对模糊神经网络进行讨论，得到了一种利用神经网络修正不完善粗糙规则的方法，以及一种粗糙模糊神经网络。以日本大阪湾的COD浓度为例，取得了良好的拟合及预测效果，从而具有广泛的应用前景。     

人工神经网络的硬件实现——A/D转换电路

本文阐述4位A/D转换器的基本原理及其在硬件实现中的主要技术问题.给出了从Hopfield的原理电路逐步演化成实际电子电路的设计过程,讨论了如何保证各个神经元在最佳状态下进行翻转,从而获得可靠、准确的输入-输出特性.同时指出了在计算机仿真中人们难以发现的极限环现象及其消除方法.     

关于细胞神经网络的拓扑结构的研究

本文对于L.O.Chua(蔡少棠)所提出的细胞神经网络(CNN)的拓扑结构进行了较详细的分析,将单细胞-8连接的近邻系统的拓扑结构推广到单细胞-d连接d=3)4,5,6,7)的情况.这样,一大批具有不同拓扑结构形式的CNN将随之出现,将为CNN的VLSI实现提供多种可供选用的方案,并将有力地推动新型结构的CNN专用电路的研制工作.     

利用神经网络预测混凝土的抗压强度

应用人工神经中的神经元网络理论,预测混凝土的抗压强度值,探讨出一条预测混凝土抗压强度的理论方法,其结果具有较高的精确度。     

人工神经网络及其在金融预报中的应用

讨论了人工神经网络在金融汇率预报中的应用。其中介绍了广义交互验证(Generalized Cross Validation)法如何应用于确定神经网络中隐层的个数,并用实例说明了该方法甚至对复杂的非线性函数也可以得到很好的逼近。详细地介绍了运用人工神经网络作两周向前汇率预报的计算步骤。其平均相对误差(APE)为10*E-3的数量级,而国际上通用的状态空间模型及Box-Jenkins的ARIMA模型的预报误差都在10*E-2的数量级。     

一种记忆元网络自适应控制方法

本文提出了一种神经网络自适应方法。该方法采用记忆元网络采用记忆元神经网络进行对象模型辩识,用单个神经元实现了自适应ＰＩＤ 控制器。被控对象输出误差经记忆元辩识网络反传后得到控制器的输出误差,以此修正控制器网络权值,由于记忆元网络无需引入延迟算子,能够逼近任意阶线性动态,保证了模型辩识的精度和误差返传的精度,神经元ＰＩＤ 控制器具有极为简单的结构与算法,保证了自适应控制的实时性,大量仿真结果表明该方法可以有效地应付非线性对象。     

用BiCMOS工艺实现的阈值神经元电路

提出了一种新型的阈值神经元电路,它采用ＢｉＣＭＯＳ工艺实现,具有结构 “度高,高速快等特点,能很好地实现神经元的基本运算功能,如“非”、“析取”、“Ｗ事取”、等。ＰＳＰＩＣＥ软件仿真证明了该电路的正确性。