基于RBF神经网络的DS—CDMA多用户检测

多用户检测技术是CDMA系统抑制多址干扰，克服远近效应的关键技术．采用RBF神经网络作为DS—CDMA系统的多用户检测器，给出在同步高斯信道条件下RBF神经网络多用户检测器原理图，并分析了利用RBF神经网络进行多用户检测的原理．通过仿真实验证明，讨论的RBF神经网络多用户检测器能够得到优于匹配滤波器接收机的误码率检测性能．     

Modular—tree：一个自构筑的神经网络结构

提出了一种新颖的具有自构筑能力的神经网络结构，称之为Ｍｏｄｕｌａｒ－ｔｒｅｅ和两个相应的自构筑算法。在此结构中，任何现存的前馈神经网络均可以作为子网。对于一个给定的学习任务，利用提出的生成算法通过对输入空间递归地划分，自动生成一树状的模块神经网络，从而避免了网络结构预置问题。由于使用了“分治”原理，Ｍｏｄｕｌａｒ－ｔｒｅｅ具有良好的性能及快速训练的能力。此结构已用于多个监督学习问题（包括：标准测试     

Sigma—pi神经网络激发函数特征

研究了ｓｉｇｍａ－ｐｉ这一类神经网络激发函数的特征，给出能作为这类激发函数的充要条件，并具体给出了其表达式。     

基于一类GA—RBF神经网络的转炉炼钢静态模型控制

讨论了具有非线性、大时滞、不确定特性的工况复杂的转炉炼钢过程建模与控制问题．针对传统的控制方法控制效果差、精度不高，难以达到期望结果的问题，结合RBF神经网络的特点，提出用基于混合编码方式的混合遗传算法训练的RBF神经网络，同时优化网络的结构和参数，并利用RBF神经网络建立转炉炼钢静态模型．仿真结果表明，该模型具有在线调整和学习的功能，比传统模型具有更好的计算精度和适应能力，为提高转炉冶炼过程的控制精度给出了一个有效的方法．     

基于模糊ART—2的神经网络火灾探测系统

提出将ＡＲＴ－２神经网络与模糊系统串联而成的模糊ＡＲＴ－２神经网络系统并用于火灾探测，使其对火灾信号具有很好的聚类特性，实验结果表明，该系统比ＢＰ神经网络火灾探测系统具有更强的适应环境的能力，能够更快，更准确地探测各种标准试验火并具有很强的抗干扰能力。     

人工神经网络在o‘—Sialon—BN复合材料设计中的应用

对神经网络和传统模式识别技术的基本原理和应用物理进行比较，根据已有烧结合成ｏ‘－Ｓｉａｌｏｎ的实验数据，利用改进后的人工神经网络，构筑了材料相组成及性能的预测模块，并与模式识别技术处理得到的结果进行了比较，在此基础上，探索了合成Ｏ’－Ｓｉａｌｏｎ－ＢＮ复合材料的工艺条件，并通过实验结果进行了验证。     

基于Dempster—shafer理论的多个神经网络分类器融合算法

用遗传算法优化神经网络分类器的连接权系数，避免采用BP算法存在易于陷入局部极值，使每个神经网络分类器的分类接近于理想状态，由于每个分类器的特征输入不同，不能被一个分类器识别的模式，却可能被另一个分类器识别，为了提高模式识别的精度，可将一个模式识别问题由多个分类器来完成，将每一个分类器的输出结果作为一条证据，确定各分类器的基本概率指派函数，再用证据组合理论融合证据信息，可以提高分类的精度和避免某一个神经网络遭到破坏而使整个系统陷于瘫痪状态。     

宁波——舟山港货物吞吐量预测方法

港口货物吞吐量是港口物流的主要组成部分,对它的准确预测是确定港口规模建设的前提.根据舟山统计信息网提供的数据,整理得到宁波——舟山港2004年1月-2012年7月的港口货物吞吐量和外贸货物吞吐量.把货物吞吐量划分成训练集和测试集,分别用A'RIMA模型、分形预测方法、神经网络技术和支持向量机四种方法对该港的货物吞吐量进行了预测.以MATLAB为技术基础,对这四种方法进行了仿真计算.结果表明,四种预测方法均得到了满意的效果,但是利用神经网络预测误差较小,显示了神经网络模型在具有非线性随机的港口物流预测中的潜力.     

全集成连续时间VLSI有源跨导—C神经网络的实现

基于连续时间模拟 MOS VLSI 技术的最新进展,本文初步提出了全集成连续时间有源跨导-C 神经网络理论。研究了 n 阶关联神经网络的非线性动力学性质。全集成连续时间有源跨导-C 神经网络通过主/从网络设计实现自学习训练,同时可与现有标准MOS VLSI 技术良好兼容,从而将为神经网络理论和方法转变成廉价的商品开辟新途径。也为神经网络信息处理系统的研制及复杂人工智能的研究提供了新方法。     

基于主成分—神经网络上市公司财务危机预警模型研究

本文研究了主成分和神经网络混合算法在上市公司财务危机预警中的应用,分析了财务危机的影响因素,建立了主成分神经网络的危机预警模型,并用收集了40个上市公司财务数据验证了模型的有效性。     

Stability Analysis for Stochastic Delayed High-order Neural Networks

In this paper, the global asymptotic stability analysis problem is considered for a class of stochastic high-order neural networks with tin.delays. Based on a Lyapunov-Krasovskii functional and the stochastic stability analysis theory, several sufficient conditions are derived in order to guarantee the global asymptotic convergence of the equilibtium paint in the mean square. Investigation shows that the addressed stochastic highorder delayed neural networks are globally asymptotically stable in the mean square if there are solutions to some linear matrix inequalities （LMIs）. Hence, the global asymptotic stability of the studied stochastic high-order delayed neural networks can be easily checked by the Matlab LMI toolbox. A numerical example is given to demonstrate the usefulness of the proposed global stability criteria.     

一类具时滞细胞神经网络的全局一致渐近稳定性

讨论了一类具时滞细胞神经网络平衡点的全局一致渐近稳定性, 通过构造合适的Lyapunov泛函, 得到了三个具时滞细胞神经网络全局一致渐近稳定性的新的充分条件。     

Hopfield型连续反馈神经网络的全局指数稳定性

研究了Ｈｏｐｆｉｅｌｄ型连续反馈神经网络的全局指数稳定性,给出了平衡点的全局指数稳定性的充分条件,这些条件有利神经计算,同时对于Ｈｏｐｆｉｅｌｄ型连续反馈神经网络的设计和应用都很有意义。     

具有时滞的回归神经网络全局指数鲁棒稳定性的一个新判据

研究了具有时滞的不确定性的回归神经网络模型的全局鲁棒稳定性,获得了检验该模型平衡点全局鲁棒稳定性的一个新判据.这个判据是以线性矩阵不等式提供的,能够有效地利用Matlab中线性矩阵不等式工具箱进行计算.一些最近出版文献的结果被改进和推广,并用数值例子表明了本文给出结果的有效性.     

Global exponential periodicity of a class of recurrent neural networks with non-monotone activation functions and time-varying delays

The periodic oscillation and the global exponential stability of a class of recurrent neural networks with non-monotone activation functions and time-varying delays are analyzed. For two sets of activation functions, some algebraic criteria for ascertaining global exponential periodicity and global exponential stability of the class of recurrent neural networks are derived by using the comparison principle and the theory of monotone operator. These conditions are easy to check in terms of system parameters. In addition, we provide a new and efficacious method for the qualitative analysis of various neural networks.     

具有leakage时滞的随机T-S模糊神经网络的稳定性

研究了一类具有leakage时滞的随机T-S模糊神经网络的稳定性,通过构造一个新的Lyapunov-Krasovskii泛函,并应用It公式、随机不等式技术,得到了基于线性矩阵不等式(LMI)的均方意义下的全局稳定性判定条件.     

离散时滞的模糊细胞神经网络的渐近稳定性

通过Lyapunov函数讨论具有离散时滞的模糊细胞神经网络(Fuzzy Cellular Neural Networks,FCNN)的全局渐近稳定性,得到全局渐近稳定性的一些充分条件．     

一类具变时滞细胞神经网络的全局渐近稳定性

讨论一类具变时滞细胞神经网络平衡点的唯一性和全局渐近稳定性,利用矩阵不等式,通过构造合适的Lyapunov泛函,得到了具变时滞细胞神经网络全局渐近稳定性的新的充分条件．     

细胞神经网络稳定的一个充分条件

主要研究了一类细胞神经网络的稳定性问题。通过使用构造适当的Liapunov泛函的分析技巧和一些变换算法对细胞神经网络的数学模型进行了研究,证明了细胞神经网络平衡点的存在性,给出了细胞神经网络的平衡点是全局渐近稳定的平衡点的条件。这些条件可以使细胞神经网络的设计更加容易,因此具有重要的实际意义。     

模糊细胞神经网络的稳定性

本文研究了模糊细胞神经网络（ＦＣＮＮ）的稳定性,给出了这种神经网络全局渐近稳定的新条件。