非对称参数细胞神经网络中的混沌与分叉

研究了由３个细胞组成的细胞神经网络中的混沌与分叉现象。主要讨论了细胞神经网络中的一类特殊奇异吸引子，它由两个稳定平衡点和一个不稳定平衡点及其流形形成。通过取不同的初始值，可以在同一组参数焉获得３种不同的相轨线图，也可观察到一个稳定极限环的存在。     

谱分析的神经网络方法——局部零残差法

提出了一种神经网络ＡＲ（自适应递归）参量估计的新方法－－局部零残差法。利用所建立的神经网络的明确蔬收敛性，在每一个数据到来后获得一组ＡＲ参量的零残差解，这时ＡＲ参量的特性是与时间序列的噪声相关的随机过程，最终的ＡＲ参量值为全部数据通过神经网络预测误差滤波器后，对各点获得的ＡＲ参量解的笔平均。由此，ＡＲ参量值确定 最大熵谱具有很好的稳定性，且谱的分辨率和精度是与滤波器的长度成正比，这给最佳滤波器的选     

自适应谱估计的神经网络方法

提出了一种基于自适应ＡＲ过程参数求解而进行谱估计的神经网络方法，采用神经网络完成的ＡＲ参数估计回避了以往各种算法中的递推公式计算，实现了无乘法器的求解，该神经网络模型结构简单，便于硬件实现，计算机模拟结果表明，这种方法对平稳和非平稳随机过程进行的ＡＲ／ＭＥ谱分析结果令人满意。     

离散时间细胞神经网络中的分岔和混沌

研究了离散时间细胞神经网络（ＤＴＣＮＮ）中的分岔和混沌。ＤＴＣＮＮ中的细胞与连续时间ＣＮＮ中的细胞相似，具有局部耦合，其输出方程是罗切斯蒂方程。分别讨论了２种结构（有边界和无边界）的ＤＴＣＮＮ的混沌特性。ＤＴＣＮＮ的混沌与全局耦合系统中的混沌相似，但由于其局部耦合的结构，其混沌与后者有所不同。提出了有关分岔与混沌的一些有兴趣的理论问题和实际问题。