函数链的一种新学习算法

本文提出了函数链的一种新学习算法，与传统的学习算法相比，这种新算法明显地缩短了网络的学习时间。     

遥感图像分类的神经网络并行学习算法

本文提出了一种基于Ｋａｌｍａｎ滤波方法的神经网络并行学习算法，模拟实验表明，这种学习算法加快了网络遥感图像分类的收敛速度和精度。     

一种改进的CP网络学习算法

本文针对学习CP网络在训练过程中出现的不稳定性提出了一种改进的CP网络学习算法。由于这种改进的学习算法在训练过程中将希望输出的信息传递给第一层权值，因此它有效地克服了CP网络训练过程中的不稳定性，避免了网络在训练过程中陷于局部最小点。本文最后给出了一个实例，通过这一实例可以看出改进的学习算法明显地优于传统的学习算法。     

RBF网络雷达天线扫描方式识别系统

采用一种基于免疫算法和最小二乘法的两级学习方法设计径向基函数(RBF)网络，并将其应用于雷达天线扫描方式识别系统。这种RBF网络学习方法通过引入免疫算法的多样性保持机制和免疫记忆机制提高了网络训练算法的优化效率，并在一定程度上抑制了未成熟收敛现象。仿真结果表明，基于这种RBF网络的雷达天线扫描方式识别系统达到了较高的识别精度。     

前馈神经网络的一种有效学习算法

本文提出了基于混合ＧＮ－ＢＦＧＳ法进行前馈神经网络学习的新算法，该算法结合ＧＮ法与ＢＦＧＳ法的特点，既利用了问题本身的特殊结构，又能取得超线性甚至二次渐近收敛率。与ＢＰ算法相比，这种算法可取得更快和更可靠的学习特性，在学习过程中利用该方法能够区分非零残量和零残量问题的特点，提出了自动调整隐单元数的方法，从而可以保证网络学习与归纳能力，示例系统的结果表明了所提方法的有效性。     

T—S模型的模糊神经网络控制器及其应用研究

本文介绍了Ｔ－Ｓ模型的模糊神经网络，讨论了这种网络的结构、学习算法，给出了由这种网络组成的控制器结构。仿真结果表明此控制器对船舶操纵等非线性具有很好的控制性能和鲁棒性。     

模糊联想记忆的一种有效学习算法

本文提出最大－最小合成模糊联想记忆的一种新的学习算法，在一定条件下，这种学习算法能将多个模糊模式对可靠地编码到模糊联想记忆的连接权矩阵中，且已存储的模式对可被完整的回想出来。     

学习数值模式和模糊规则的Pi－Sigma网络

本文推广了Ｐｉ－ｓｉｇｍａ网络学习算法，并提出了一种计算模糊数α水平集乘积的简单算法，使得在设计Ｐｉ－ｓｉｇｍａ网络分类器时，既能利用数值数据，又能利用以模糊ＩＦ－ＴＨＥＮ规则表达的专家知识，仿真结果验证了这种推广学习算法的正确性，并表明，在某些情况下，基于Ｐｉ－ｓｉｇｍａ网络的方法比基于多层感知机的方法需要更简单的网络结构和短得多的训练时间。     

因果图结构的学习

给出了一种利用巳知数据样本集,自动构造因果图的结构的学习算法,该算法以最小描述长度评分函数(MDL)为评价准则,这种学习算法对数据不需要任何先验假设,可以学习任意结构的因果图,同时兼顾学习出的因果图结构的精确性和复杂性,实验结果显示了算法的有效性和可行性.     

基于保局判别投影的声目标特征提取算法

针对现有声目标识别技术鲁棒性较差的实际情况,提出了一种监督性流形学习算法—保局判别投影(LPDP)算法.算法在流形学习保局投影(LPP)算法的基础上,引入了控制类间和类内距离的改进最大边缘标准(MMMC),使得这种特征提取算法既具有线性流形学习算法样本外点学习的优点,又能够有效解决小样本问题,并能在后续的分类中取得良好...     

基于竞争网络的语音激活检测研究

本文提出了一种新的语音激活检测算法,这种方法基于竞争神经网络,主要应用了自组织特征映射网络并结合学习向量量化算法进行实现,并与其它神经网络算法进行了比较。该算法在多种噪声背景下具有较强的鲁棒性,仿真结果表明,这种基于竞争神经网络的算法优于ITU—T G．729B建议的算法。     

基于改进BP神经网络的模拟电路故障诊断

针对BP神经网络存在的固有缺陷:收敛速度慢,容易陷入局部极小,文中对所建BP网络的学习算法进行了改进,采用附加动量项和自适应调整学习率的BP算法对网络进行训练,替代标准BP算法中的梯度下降法寻找最优网络连接权值.仿真实验证明,这种学习算法提高了BP网络的学习效率及稳定性,大大提高了网络的收敛速度,更好地实现了对模拟电路...     

基于量子粒子群改进算法的直线阵综合

提出了一种基于反向学习机制的改进量子粒子群算法,采用反向学习机制增加种群的多样性,使搜索效率有了较大的提高,有效地避免了算法早熟收敛。应用这种改进算法成功地实现了直线阵的方向图综合,三个实例仿真结果证明了本文改进算法求解此类问题的有效性。     

最大--乘积型模糊联想记忆网络的最大最小编码学习算法

提出了最大─乘积型模糊联想记忆网络的最大最小编码学习算法,新算法可以记忆任意多个自联想模式。对于异联想模式,给出了一种以最大最小编码算法为基础,近似求解网络连接权阵的梯度下降学习算法,这种方法可用于解最大乘积型模糊关系方程。计算机模拟实验证实了算法的有效性。     

一种改进的Elman神经网络的模型

本文首先详细地阐述了Ｅｌｍａｎ神经网络的结构、原理和学习算法。为了进一步提高Ｅｌｍａｎ神经网络的逼近能力和动态特性，我们提出了一种改进的Ｅｌｍａｎ神经网络模型。这种新的Ｅｌｍａｎ神经网络在关联节点与输出节点之间又增加了一组可调权值，利用误差回馈原理推导出了其相应的学习算法。仿真实验结果表明，改进的Ｅｌｍａｎ神经网络比原来的网络具有更好的动态性能，对于贯序输入输出数据的逼近收敛速度更快。     

用于DS/CDMA系统多用户检测的变步长符号算法

提出了一种新颖的变步长符号算法用于DS/CDMA系统的多用户检测。这种算法对盲平均符号算法的步长又一次采用二次最小均方误差算法,克服了盲平均符号算法受步长影响的缺点,并利用符号算法计算复杂度低的特点,加快了算法的收敛速度。仿真表明,这种算法能够自动迅速地适应环境的变化并且不受初始步长和学习率的影响,在性能上优于与其类似的自适应接收机。     

最大—乘积型模糊联想记忆网络的最大最小编码学习算法

提出了最大－乘积型模糊联想记忆网络的最大最小编码学习算法,新算法可以记忆任意多个自联想模式,对于异联想模式,给 种以最大最小编码算法为基础,近似求解网络连接权阵的梯度下降学习算法,这种方法可用于解最大乘积型模糊关系方程,计算机模拟实验证有效性。     

一种基于高阶矩的神经网络参数估计器

本文提出了一种可控学习的两级多层神经网络模型,由此设计出一种基于高阶矩匹配的神经网络参数估计器;并对该神经网络模型的学习算法进行了研究,提出了一种自适应并行学习算法。仿真结果表明,这种利用神经网络进行模型参数估计的方法是可行的。     

一种模糊神经网络智能控制器及其应用

本文提出了一种模拟推理神经网络模型，并用于实现模糊控制，在此基础上提出了基于模糊神经网络的自组织控制器和有效的快速Ｋａｌｍａｎ学习算法，经仿真结果和实际温度控制表明，这种新型的自组织控制器性能优于一般Ｆｕｚｚｙ自组织控制器。     

一个符号神经网络的学习算法

本文首先根据神经科学和认知科学的研究，提出了一种符号神经网络结构，该结构溶符号机制和神经网络于一体，然后在此基础上研究了其学习算法，该算法结合神经网络ＢＰ学习算法和符号机制中学习算法的特点；最后通过实验，证实该算法的可行性和先进性。