求解多项实零点问题的神经网络法

本文给出一类适合于求解多项式实零点问题的神经网络，理论分析和模拟结果都表明，这类网络可实时求解多项式实零点问题。     

神经网络、纠错码和二元n—立方体上的多项式

本文介绍几种将纠错码的概念和神经网络概念联系起来的方法。证明线性分组码中进行最大似然译码等价于某种神经网中求解能量函数的全局极大值。给定一线性码，可以构造一个神经网络，方法是使能量函数的每个局部极大值都对应于一个码字，而每个码字对应于一个局部极大值。本文还探讨了n-立方体上多项式的极大化和纠错码之间的关系，结果表明译码技术对于解决n-立方体上多项式的极大化问题可能是一种有用的工具。这些结果已被推广到非二进制和非线性码。     

一个优化的低阶多项式累加和问题求解算法

本文针对低阶多项的多项式累加和问题∑n k=1 f(k),其中f(x)=c0+c1 x+…+cm-1 xm-1+cm xm,当多项式幂次m较小,累加项数n较大的情况下,根据二分求解思想,设计了一种高效的递推求解方法,其时间复杂度为O(m2 log n),而采用Horner格式计算多项式在每点的取值,再进行累加的朴素算法时间复杂度为O(mn),从而解决了在n>>m时,大大提高了低阶多项的多项式累加求和的效率.     

二元域本原多项式的求解

分析了应用于纠错码编码原理中的本原多项式的求解原理，并具体对M＝15的情况进行了分析计算，给出了计算结果。该结果可应用到实际通信中。     

用神经网络求解模糊线性规划问题

本文根据模糊线性规划和神经网络的特点，导出了用神经网络求解模糊线性规划的方法；考虑到神经网络电路中的放大器单元和电阻元件客观上存在误差，提出了用误差补偿法减小这些误差对这对神经网络输出精度的影响。     

三角多项式内插及其应用

讨论了三角多项式内插基函数的若干性质，当取样点具有特殊分布时，采用三角多项式内插法可精确重构原周期带限信号。给出了用于有限样点和加密的内插公式。     

用神经网络求解模糊线性规划问题

本文根据模糊线性规划和神经网络的特点,导出了用神经网络求解模糊线性规划的方法;考虑到神经网络电路中的放大器单元和电阻元件客观上存在误差,提出了用误差补偿法减小这些误差对神经网络输出精度的影响。计算机仿真和电路实验都表明了这种方法的有效性。     

求解本征值问题的FDTD快速算法

本文分别经入数字信号处理的Ｍｎｒｐｌｅ算法,神经网络的学习算法,与ＦＤＴＤ法结合,形成两种新的快速算法,与现有的ＭＵＳＩＣ算法比较,着重讨论了三种算法的优缺点,并用三种算法求解复杂微波结构的本征值问题,计算结果与未利用数字信号处理的结果相比,快速算法很大程度地提高了ＦＤＴＤ法的效率和分析精度。     

神经网络求解逆运算问题的能力

用正运算方法求解逆运算问题是一值得重视的思想。本文分析了反馈型神经网络在解计算问题方面所具有的这一独特性质。利用这一概念可用模拟电路的神经网络构成一些崭新的高速运算器。本文给出三个实例，其一是由乘法运算构成除法器；其二是由矩阵参数求逆矩阵问题；其三是用简单的求余数运算组成其逆运算器，即解中国余数定理网络。这种网络的特点是以简单的正运算方法完成复杂的逆运算，使设计变得简单，在一些情况下可省去传统逆运算所需的许多参数，同时使运算器的运用范围大大增加。此外，该神经网络是用模拟电路实现，因而适用于高速实时处理。本文提出的思想在解决大量线性和非线性束逆运算问题中有着普遍的意义。     

实多项式型公钥密码体制

本文根据实系数多项式难分解这一事实原则提出一种新型的二元概率公钥密码体制和多元概率公钥密码体制。并给出消除计算时产生误差的措施。     

目标识别决策层融合神经网络算法研究

该文针对毫米波／红外传感器融合目标识别问题,提出一种新的用于决策层目标识别的神经网络融合算法。该网络结构新颖,网络训练时修改的是门限而不是连接权值。融合后的识别率可比毫米波和红外子源提高9.7％到11.3％,因此,该算法是有效可行的。     

神经记忆的电阻网络综合

本文提出了从神经系统功能进行网络综合的观点。对神经网络的记忆功能进行了研究,建立了数学模型,并用分段线性电阻网络进行综合。所得到的非线性电阻网络除具有并行性、实时性、分布性和自适应等一系列人工神经网络的特点外,网络中各参数由网络所应记忆模式和特征向量的解析式给出,这比传统的人工神经网络具有较强的直观性,便于实际应用。     

人工神经网络实现稳定的自适应HR滤波器

本文提出了用人工神经网络实现稳定的自适应IIR滤波器的电路结构,讨论了结构参数对滤波器自适应收敛速度和稳定性的影响,给出了初步研究的参数选择经验公式,从而有可能使此神经自适应系统能实际应用于快速变化信号的实时处理。     

一个基于神经网络的航空照片自动目标识别算法

针对航空照片中自动目标识别的复杂性,该文提出了一种基于神经网络的自动目标识别算法,算法包括检测和虚警排除两个阶段。检测阶段是在整幅区域中进行快速搜寻,找出所有可能的目标;虚警排除阶段是对检测阶段得到的结果进行进一步的验证,在尽可能保留全部真目标的前提下,将伪目标排除。实验结果证明了算法的可行性。     

关于非线性规划神经网络的稳定性

本文用新的方法进一步证明了Kennedy和Chua(1988)的神经网络在无界解集和不充分大的惩罚参数情形下仍是全局稳定的,因此推广了Maa和Shanblatt(1992)对有界解集和充分大惩罚参数的结果。     

用于数字式细胞神经网络设计的学习算法

本文针对数字式细胞神经网络(DCNN)的应用,给出了DCNN模板的设计方法,即不等式构造法,并提出一个基于松弛法的DCNN有教师学习算法,为DCNN的设计提供了理论根据。在连通片检测等应用中的模拟表明了算法的有效性和正确性。     

BP网络不平衡训练样本集的有效学习算法

分析了BP网络标准反传学习算法对不平衡样本集训练速度慢的原因,研究了如何改进其学习算法来加速训练速度,并通过实验对上述理论进行验证。     

线性约束条件下任意凸函数的神经网络优化模型

该文提出了线性约束条件下任意凸函数的神经网络优化模型,所构造的能量函数的平衡点即为原问题的最优解,克服了传统的神经网络优化方法所存在的问题,网络是全局稳定的,并能收敛到最优点,计算机仿真结果证明了本文方法的有效性。     

基于遗传算法和BP算法的多层感知机杂交训练算法

基于梯度下降的神经网络训练算法易于陷入局部最小,从而使网络不能对输入模式进行准确分类。本文提出综合遗传算法和BP算法的杂交算法GA-QP,它结合遗传算法的全局搜索特性和BP的局部收敛特性,实现对神经网络的有效训练。实验表明该算法优于BP算法,实验结果令人满意。     

一种可用于非线性码译码神经网络模型研究

本文提出一种非线性码神经网络译码方案,在纠错能力范围内对满足码距特性的一般非线性码以零错误概率进行纠错译码,并在检错能力范围内检错。文中具体描述了神经网络模型构造、学习算法及其理论依据。最后通过非线性等重码的译码实例表明此方案的有效性及理论和应用价值。