扩展桥联双核铜（Ⅱ）体系的磁耦合机理

应用密度泛函理论，采用对称性破损方法研究了草酸根桥联及草酰胺桥联双核铜（Ⅱ）体系的磁耦合作用机理。结果表明：两磁中心的自旋布居大小相等，符号相反，二者之间为反铁磁耦合。而且，与磁中心相联的配体原子与磁中心具有相同符号的自旋布居，磁中心的自旋具有显著的离域效应。HOMO中磁中心未成对电子的占据轨道之间对称性和能级的匹配程度是影响磁耦合强弱的关键。当对称性匹配时，改变桥联基团占据轨道的能级，例如通过改变桥接原子的电负性， 即可改变磁耦合作用的强度，电负性愈低，磁耦全作用愈强。当对称性不匹配时，体系中存在较弱的磁耦合。     

地下含水层热储井位置选择和布置

地下含水层热储开发技术面临一系列问题,寻找适合热储用的含水层和合理布置热储井是解决问题的第一步.综合考虑含水层的地质结构特征,适合热储的含水层应该是承压含水层,热储应该采用同层方式.单个热储井的影响半径可以通过热平衡和热扩散原理求得.合理布置热储井间的相对位置,可以有效抵消原有地下水的流动以及渗流系数不一致的影响.利用井之间的渗流耦合作用,在热储井之间布置调节井,主动控制热储水的波及范围,可以实现热储井布置的相对"紧凑".     

原子态的确定

本文提出了三种较简单的确定等效电子原子态的方法。第一种方法可直接给出等效电子的原子态,但比较复杂;另外两种方法,虽然要利用非等效电子的原子态才能给出等效电子的原子态,但方法简单。我们以np~2组态为例说明这三种方法。     

基于神经网络的建筑行业投标报价研究

在建筑行业的投标报价过程中，如何在众多的信息中选出对最终报价影响较大的几项因素以及如何确定这些因素与最终报价之间的关系是一个棘手的问题．论文针对这两大难题提出了基于神经网络技术的解决方法．首先根据贡献变量分析理论确定出影响报价结果的9个报价因素，从而建立起基于神经网络的报价模型，然后在所确定模型的基础上改进传统的BP算法，进一步提高网络的泛化能力．从实际应用的结果可以看出，经过变量选择后所确定的报价因素是合理的，改进学习算法后的网络的泛化能力也有了很大的提高．     

基于模糊神经网络方法的新构造控水专家系统

在对大量野外地质资料统计和综合分析基础上，依据地质专家在新构造领域的理论知识和成功经验，运用模糊数学理论和神经网络理论相结合的方法，提出一种用线性单元并联实现非线性划分的神经元网络模型，并研制出相应具有较强推理能力和学习功能、广泛用于非定性系统数据处理的专家系统，该系统经实例验证具有较强的适用性。     

基于灰色系统与神经网络的航材消耗广义加权函数平均组合预测模型研究

建立了航材消耗的灰色系统预测模型与神经网络预测模型，同时给出了一种新的具有广泛代表性的组合预测模型－－广义加权函数平均组合预测模型及其加权系数的参数估计方法，并利用此方法建立了基于灰色系统与神经网络的航材消耗广义加权函数平均组合预测模型，最后以实例说明了其预测效果。     

遗传算法在农产品质量评判中的应用

遗传算法是一类借鉴这种生物界自然遗传机制的随机化搜索算法，其主要特点是群体搜索策略和群体中个体之间的信息交换，搜索不领带于梯度信息。论述了遗传算法的具体构造步骤。研究了基于遗传算法的神经网络用于农产品质量评判的模型建立与实现，并对遗传算法在苹果、番茄、烟叶和玉米等质量评判中的具体应用作了具体分析。图1，参7。     

一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)。首先，基于模糊竞争学习算法确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。其次，利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁，逼近能力强，能够显著提高辨识精度，并且辨识的模糊模型简单有效。最后，将该AFNN用于非线性系统的模糊辨识，仿真结果验证了该方法的有效性。     

Discovering Frequent Subtrees from XML Data Using Neural Networks

By rapid progress of network and storage technologies, a huge amount of electronic data such as Web pages and XML has been available on Internet. In this paper, we study a data-mining problem of discovering frequent ordered sub-trees in a large collection of XML data, where both of the patterns and the data are modeled by labeled ordered trees. We present an efficient algorithm of Ordered Subtree Miner （OSTMiner） based on two- layer neural networks with Hebb rule, that computes all ordered sub-trees appearing in a collection of XML trees with frequent above a user-specified threshold using a special structure EM-tree. In this algo- rithm, EM-tree is used as an extended merging tree to supply scheme information for efficient pruning and mining frequent sub-trees. Experiments results showed that OSTMiner has good response time and scales well.     

用于图像目标识别的神经网络方法

本文提出了一种全局最优的神经网络（ＦｕｌｌＤｏｍａｉｎＯｐｔｉｍｕｍＮｅｕｒａｌＮｅｔｗｏｒｋ）模型用于目标识别。通常所设计的神经网络不能保证全局最优，使得网络不一定收敛到期望样本点上。本文的模型采用了先设计稳定点、再构造吸引域的方法，提高了网络的识别正确率及速度。针对图像识别中矢量维数大的实际，提出了一种不变性方法，使得样本维数下降而分类距离保持不变。同时又证明了网络的收敛性、收敛速度及映射保距等。计算机模拟结果表明，网络对噪声或缺损图均能正确识别。