基于神经网络的社会经济系统分类方法

本文采用ＨＭ神经网络ＢＰ模型，对安徽省各地市工业发展状况进行了分类，旨在探索神经网络模型在社会经济系统中的应用，通过计算与分析，表明与传统的聚类分析相比，人工神经网络有其独特的优势。     

神经网络与军事电子技术智能化

本文讨论了新近得到迅速发展的神经网络在军事电子技术中的潜在应用,指出了其研究的有关问题。     

产业关联分析中的图论模型及应用研究

本文探讨了用于产业结构和产业关联分析的图论模型的研制问题，并在投入产出模型的基础上建立了一类图论模型．应用实例表明，利用这类图论模型，我们可以确定产业的不同意义下的产业集，从新的角度分析主导产业的选择等，从而能在深层次上认识产业结构及产业关联状况．     

复杂网络动力学框架的几个研究方向

简要介绍了3个复杂网络动力学框架的研究方向：第1个方向涉及布尔网络、信息距离及其动力学描述，可以看作“先分解、后综合”的传统物理学还原论和元胞自动机模型的延伸和发展；第2个方向涉及最小作用量原理在一些类型的复杂网络系统中的新形式和新应用，可以看作传统物理学中的“大自然自组织”观点的延伸和发展；第3个方向涉及演化图的网络矩阵谱描述，可以看作传统图论的延伸和发展。     

神经网络在雷达信号分选中的应用

本文介绍了一种基于自组织概率神经网络的信号分选方法，主要讨论了这种神经网络在雷达信号分选中的应用，提出了一种结合神经网络与时域脉冲重复周期的分选系统，通过大量仿真实验探讨了正确分选的极限条件。     

基于神经网络技术的商业银行信用风险评估

研究了神经网络技术在商业银行信用风险评估中的应用．实证结果表明, 与传统统计方法（判别分析）相比, 神经网络技术具有更高的预测精度和更强的鲁棒性。     

神经网络在金融业务中的应用及实现

本文从信息论的观点出发，讨论了神经网络技术在金融业务中应用的可能性和实现途径。探讨了金融和经济中存在的信息处理的难点，并给出了应用神经网络技术解决问题的方法。进一步地，阐述了神经网络与模糊系统理论和专家系统相结合，是今后金融领域智能信息处理发展的新方向。     

模糊神经网络技术在故障诊断中的应用

总结了模糊神经网络在故障诊断中的应用,分析和归纳了不同结构的模糊系统与神经网络的合成形式。对直接模糊神经网络、B样条模糊神经网络、RBF模糊神经网络以及几种扩展的模糊神经网络在故障中的应用进行了讨论。针对故障诊断通用模型,给出了子模块的改进和选取方法,从而使故障诊断的模糊神经网络方法更为系统和有效。     

嵌入式大气数据系统神经网络算法仿真

针对嵌入式大气数据系统(FADS)的特点,研究了其空气动力学模型,提出了相应的神经网络算法结构,并对动压与静压神经网络计算模块进行了部分仿真。通过仿真比较了BP神经网络L-M优化算法与贝叶斯正则化算法在FADS中的应用,并通过相应的仿真研究了不同压力点组合计算动、静压时的差异。仿真结果表明贝叶斯正则化算法的泛化能力较好,具有工程应用潜力。     

集中式粗粒度分布并行模型和并行进化神经网络

提出了一种分布计算环境下并行进化神经网络的实现机制：集中式粗粒度模型。该模型基于并行遗传算法，可以同时对前馈神经网络的结构和权值进行优化。在分布计算环境中的实现为其在分布式网络中的应用开辟了广阔的前景。初步的实验结果表明该模型可以加快神经网络的进化速度，提高进化的效率     

分段逆回归与神经网络组合建模方法

通过将人工神经网络技术和分段逆回归技术相结合，提出一种针对多因素非线性时间序列数据的预测建模方法。这种方法在保证原有函数形式不变的前提下，简化了输入变量，缩小了神经网络的规模，增强了模型的泛化能力。同时利用此方法建立北京市就业人口需求总量的预测模型，证实该方法的预测效果，并且为该方法运用于实际预测建模提供参考。     

一种改进型神经网络算法NN-LMBP

提出最近邻Levenberg—Marquardt误差反向传播神经网络算法。针对BP神经网络收敛速度慢的不足，利用Levenberg—Marquardt优化算法进行改进。同时为了提高神经网络的泛化能力，进一步基于最近邻算法对样本进行修剪。试验表明，与一般神经网络算法相比，NN-LMBP在改善神经网络泛化能力的基础上，有效地提高了神经网络收敛的速度。     

基于神经网络的遥感影像超高分辨率目标识别

现有遥感图像的许多分类方法大都忽略了混合像元存在的事实,通过理解遥感影像像元点目标的空间分布特性,提出基于Hopfield神经网络的遥感图像超分辨率目标识别算法。在Hopfield神经网络模型下,利用模糊分类技术进行模糊分类,然后用分类结果约束Hopfield神经网络的方法获取超高分辨率的遥感图像,能够提高遥感图像的目标分辨率,使其目标特征信息更清晰。     

Euler网仿真建模方法

本文介绍Ｅｕｌｅｒ网仿真建模方法，这种方法是在图论和网论的指导下，在活动周期图建模方法基础上发展起来的。ＳｉｍＳｔｕｄｉｏ仿真环境的研制和应用实践表明，这是一种能较好满足多媒体仿真需要的面向对象的建模方法。     

小波神经网络模型的改进及其应用

将优化函数的连续型蚁群算法与小波神经网络耦合,用蚁群算法优化神经网络的权值和小波参数,找到蚁群算法中信息素更新的最佳衡量标准,且建立了基于蚁群优化的小波神经网络模型,旨在准确预测水稻需水量,为制定合理的灌溉制度、提高水利用率提供科学依据.通过对三江平原富锦市1985至2001年的井灌水稻区全生育期需水量预测检验,确定网络结构为6-12-1,训练最大次数20次时网络收敛,误差精度达到0.0024.研究结果表明,该模型不但计算简便,而且具有较强的逼近能力、较快的收敛速度和较好的预报精度,并且为网络模型的参数优化提供一种新方法,也为预测、预报的研究拓宽新思路.     

一类过程控制对象的神经网络建模及仿真

针对一类典型过程控制系统中存在的非线性和参数不确定问题，提出了神经网络的建模方法。辨识结构采用串并联形式，并分别使用改进BP算法和浮点式遗传算法进行了网络的训练。仿真结果表明遗传算法的全局搜索能力及高效率对神经网络的权值优化具有相当明显的效果，它不仅学习速度快而且稳定性好，可以作为一种良好的优化方法运用到神经网络建模和控制当中。     

神经网络在转台控制系统设计中的应用

针对三轴飞行仿真转台中环电液伺服系统的非线性、参数时变性以及转台的快速性要求，给出了一种具有并行结构的单个神经元PID模型参考自适应控制方法。其中环利用神经网络逼近被控对象，控制器采用单个神经元PID。仿真结果表明该方法满足系统快速性的要求，并具有较好的鲁棒性。     

基于神经网络的轮廓误差控制仿真研究

运动控制系统不同轴的动态特性的差异是造成系统轮廓误差较大的主要原因。为系统每个轴设计一个高性能的前馈补偿器，可以改善每个轴的动态特性，使不同轴相互匹配，从而残小系统的轮廓误差。由于前馈补偿器的传递函数通常具有二阶或二阶以上微分环节，物理实现较困难，本文利用神经网络辨识系统的控制对象逆模型作为前馈补偿器，很好地解决了该问题；而利用在遗传算法中加入BP算法形成的混合遗传算法作为神经网络的训练算法，此算法具有收敛速度快，不易陷入局部权小的特点。     

基于改进多孔算法的时间序列预测

针对小波分析技术存在的边界问题,提出一种改进的多孔算法。使用该算法得到的系数序列,在具备时移不变性的同时,消除了右侧边界存在数据畸变的现象,使小波分析技术结合神经网络等传统预测模型的方法应用于单变量时间序列预测任务具备可行性。为进一步提高预测精度,引入了神经网络集成技术以改善网络泛化能力。实验表明,这种组合预测模型预测效果与稳定性优于传统预测模型。     

基于析取约束的分布式协同设计带权任务排序

传统协同设计任务排序方式未考虑分布式任务在各个设计者之间的析取关系以及任务的重要度。引入协调理论中依赖分析方法和图论中约束关系图的概念描述协同设计任务的逻辑关系,提出基于析取约束协同设计任务排序问题的数学模型,依据带权任务排序规则确定分布式协同设计任务的优化排序。通过工程算例验证该模型能够实现分布式带权协同设计任务的有效排序。