X射线和紫外线激发下BaFCl_xBr_(1-x):Eu~(2+)的发光

制备了ＢａＦＣｌｘＢｒ１－ｘ：Ｅｕ２＋（ｘ＝００，０２，０４，０６，０８，１０）四元系列氟卤化合物．对于不同的Ｃｌ／Ｂｒ比值样品，研究了其在Ｘ射线和紫外线激发下的发光性质；同时研究了在Ｘ射线激发下的发光强度随温度的变化关系，并发现这种关系随Ｃｌ／Ｂｒ比值的变化呈现一定的规律性；最后，测量了在紫外线激发下，其光致荧光寿命与Ｃｌ／Ｂｒ比值的关系     

一种复合型前馈神经网络结构

ＢＰ网络是一全局逼近的网络,通常,在对样本数据的选取要求上,它不如ＲＢＦ网络高,即ＢＰ网络在训练样本数据的代表性不强时也可表现出对非线性函数较强的逼近性能,鉴于此,作者提出了一种复合型前馈神经网络结构在此结构中,笔者采用了ＢＰ神经网络对训练数据进行预处理而得到径向基函数（ＲＢＦ）网络的初始中心矢量点集的方法该方法使得ＲＢＦ网络中心矢量点集由传统的随机确定改为对它的优化选取,由它确定的ＲＢＦ网络的中心矢量具有相当的柔性,从而增强了径向基函数（ＲＢＦ）神经网络整体的泛化性及鲁棒性,最终使得该复合型神经网络具有了很好的精度和泛化性仿真结果表明了本文所提网络的有效性     

线性广义特征值问题在模态子空间中的摄动解

介绍一个求解形如（［Ａ０］＋［△Ａ］）［Ｚ］＝（［Ｂ０］＋［△Ｂ］）［Ｚ］［Ａ］的广义线性特征值问题的摄动方法，这一摄动解是在由特征值方程［Ａ０］［Ｘ］＝［Ｂ０］［Ｘ］［Ａ］的部分模态向量张成的子空间内求得．应用这一方法，可将特征值方程的求解转化为线性代数方程组的求解．文中还讨论了有关重特征值的摄动求解方法．     

有限元单刚矩阵计算的神经网络法

固体力学有限元计算问题可以采用神经网络进行实时求解，神经网络可用改进的Ｈｏｐｆｉｅｌｄ网络。求解之前必须确定信号网络的联接权矩阵（相应结构刚度矩阵）。分析了单元刚度矩阵的组成，提出用ＢＰ网络来实现单刚矩阵的实时计算方法。分别用传统有限元法和ＢＰ网络法求解了一三角形单元的单刚矩阵元素，结果表明ＢＰ网络法计算具有实时性，精度满足工程要求。     

一类四元数线性矩阵方程的解法

本文转化了四元数体上矩阵方程ＡＸ＝Ｂ,ＡＸ＝ＸＢ,ＡＸ＋ＸＢ＝Ｃ,ＸＡ＋Ａ·Ｘ＝Ｂ．Ａ１ＸＢ１＋…＋ＡＸＢ＝Ｃ等一类矩阵方程在复数域上的求解问题。     

铝包光缆生产线中的人工智能方案研究

针对铝包光缆（ Ｏ Ｐ Ｇ Ｗ） 生产线的控制特点，在英国 Ｂ Ｗ Ｅ 铝包钢生产线的基础上，增加了人工智能控制模块，使其满足铝包光缆这种新产品的工艺要求，并在 Ｂ Ｐ 神经网络的基础上，对训练算法进行了有效的改进，采用 Ｍｏｄｉｆｉｅｄ Ｐｏｗｅｌｌ 法来优化权值和阈值实验表明，这种方法对于加快网络收敛速度，优化网络等方面有着显著成效     

局部凸空间中的谱理论

引进了局部凸空间中连续线性算子的谱的一个新的定义．从而得到定理１１设Ｘ是序列完备的,Ｂ∈Ｂ,则空间Ｃ（Ｂ）是一个Ｂａｎａｃｈ代数．定理２２设Ｔ∈Ｃ（Ｘ）,则ｒ（Ｔ）＝β（Ｔ）．它们相应于Ｂａｎａｃｈ空间中的连续线性算子空间的完备性定理与谱半径公式     

“巴山玉”的宝石学研究

采用常规宝石学研究手段以及Ｘ射线衍射、红外光谱和电子探针等方法对收集到的“巴山玉”样品进行剖析和研究结果表明，“巴山玉”的矿物成分较为简单，主要由硬玉组成，少量存在的角闪石导致它局部呈现暗绿色ＩＲ分析表明，“巴山玉”Ｂ货中的充填物为环氧树脂红外光谱２６００～３２００ｃｍ－１区段的吸收峰可以用来鉴别Ｂ货但应当十分注意蜡的吸收峰对鉴别的干扰除了３０３９ｃｍ－１左右的吸收外，１６０９和１５０９ｃｍ－１的吸收峰也可作为区分胶与蜡的特征     

无限制性手写数字的多神经网络识别

研究一种多神经网络的组合结构,这种组合结构有效地克服了ＢＰ算法学习速度慢,难以收敛的主要缺点多神经网络的组合结构应用于手写数字识别,达到较好的识别结果     

逻辑电路的神经网络

Ｍ．Ｌ．Ｂｕｓｈｎｅｌｌ教授和作者给出了ＮＯＴ，ＡＮＤ，ＯＲ，ＮＡＮＤ，ＮＯＲ，ＸＯＲ和ＸＮＯＲ门的神经网络。以这些门的神经网络为基础，可构成任何逻辑电路的神经网络。由此，将电路的相容信号转换为平方伪布尔函数的全局极小。从而，拓宽了神经网络在电路模拟和自动故障模型生成中的应用。     

非线性系统定阶的神经网络方法

前馈型神经网应用于非线性系统辨识的一个问题是确定系统阶次。采用前馈神经网进行非线性系统定阶与神经网的推广性问题密切相关。ＯＬＳ算法是构筑径向基神经网的一种学习算法，但是采用ＯＬＳ算法构筑神经网存在推广性问题。ＲＯＬＳ算法将ＯＬＳ算法与正则化（ｒｅｇｕｌａｒｉｚａｔｉｏｎ）方法相结合，以提高算法的推广能力。本文将基于径向基网的ＲＯＬＳ算法应用于非线性系统定阶。本文对提出的方法进行了仿真研究，结果验证了方法的有效性。     

基于神经网络的有源电力滤波器预测控制方法

提出了一种基于神经网络的有源电力滤波器预测控制方法。此方法将神经网络内模控制技术应用到有源电力滤波器（ＡＰＦ）的控制系统中,同时针对ＡＰＦ控制系统中神经网络计算时延问题,引入了一个神经网络预测模型。仿真分析表明,这种控制方法补偿了系统滞后,能充分利用神经网络的自适应特性,有很好的控制效果。     

用带非线性自反馈的神经网络求解最大团问题

针对饱和非线性动态网络算法(SLDN算法)解最大团问题容易陷入局部最优这一缺点,提出了解决该问题的一种新的神经网络算法,并构建了新数学模型.该算法在SLDN算法基础上加入了非线性自反馈,具备良好的动力学特性.分析了加入非线性自反馈后的收敛性,并且通过仿真实验表明其整体性能要优于SLDN算法.     

基于神经网络的迟滞非线性逆模型

为了补偿迟滞特性对系统的不良影响,提高迟滞非线性系统的控制精度,建立了神经网络迟滞非线性逆模型.由于神经网络不能够直接逼近迟滞逆这种具有记忆性的多映射现象,通过引入一个迟滞逆算子,将多映射的迟滞逆转换成一一映射,然后运用神经网络来逼近这个一一映射从而建立一个基于神经网络的迟滞逆模型.该模型的主要优点是结构简单、精度高,可以在线调整神经网络的权值以适应不同工作条件下的迟滞逆辨识.最后,运用该方法对压电执行器中的迟滞非线性建立了逆模型.     

自组织模糊神经网络的结构辨识算法

针对自组织模糊神经网络,提出了一种新的结构辨识算法.通过建立输入和输出相似性准则,提出一个用于提取模糊规则的新型聚类算法.所提方法的显著优点是克服了传统神经网络的维度灾难问题.     

一种用GEP进化神经网络结构和权值的方法

提出一种用基因表达式编程(gene expression programming,GEP)自动设计神经网络结构和权值的算法.论述算法的基本思想和基本操作,针对算法的早熟现象和变异率低问题进行了相应的改进,给出这种算法的应用实例.实验结果表明,GEP可以自动设计神经网络的结构,并能给出优化的网络权值,与其他优化算法相比,收敛速度更快.     

直接转矩控制的异步电动机转矩脉动最小化

针对异步电动机直接转矩控制低速转矩脉动大的问题,充分利用模糊控制吸收人的经验思维,以及神经网络对信息的处理具有自组织、自学习的特点,提出一种新的模糊神经网络控制方法.该方法实现了逆变器开关周期的占空比控制,使感应电动机的转矩脉动达到最小.其中,模糊神经网络的训练采用最小二乘法,解决了常规的BP算法容易陷入局部极小的问题.将传统的直接转矩控制方案和模糊神经网络占空比控制方案进行了比较研究,仿真结果校验了模糊神经网络占空比控制方案的有效性.     

基于模糊划分的神经网络集成

基于模糊聚类思想,提出了一种神经网络集成方法.由训练数据的模糊聚类结果,把训练数据划分成相交子集,基于各子集生成集成的个体神经网络.由于各子集所包含的数据和数据的类别各不相同,因而个体神经网络性能和结构存在差异.子集个数确定集成中个体神经网络个数.另外,基于隶属度函数计算公式,提出了个体神经网络输出结论结合方法.理论分析和实验结果表明,此方法对模式分类能取得较好的效果.     

非线性系统的神经网络逆模型控制

利用神经网络逼近任意非线性的能力 ,将其与非线性逆系统相结合 ,对非线性系统的逆模型进行建模 ,对实现的伪线性系统设计自适应控制进行综合 ,动态神经网络在线消除系统的近似逆误差和正向模型的辨识误差 ,设计权值调整规律为 w∧·=-λ·eTPbΦ(r ,r· ,v)‖e‖ p >E0‖e‖ p >E,仿真结果表明其有效 .     

应用神经网络的非参数模型自适应控制

 提出了一种应用神经网络的非参数模型自适应控制方案,该方案仅用受控系统的I/O数据来设计控制器,并与神经网络自适应控制方案进行了仿真比较,仿真结果表明了该方案的有效性和优越性.