余数制神经网络

提出了一种新的神经元模型，其数据和权值用余数制表示，称之为余数制神经元．它的处理能力等效于一些多层感知机模型．同时提出用中国余数定理重构信号，等效于神经元之间的非线性连接．将此模型用于分类，其单层网络可用于解高阶和边界模糊问题     

神经网络余数制系统

研究了神经网络余数制信号处理系统，提出求余运算的逐位比较模型，以非对称Ｈｏｐ－ｆｉｅｌｄ网络为基础，构造了求余运算神经网络；将此网络用于求解中国余数定理，构造了实现务＋转换的一种全新方案。计算机仿真结果证实了这个新方案的高速和有效性。     

神经网络余数制系统

研究了神经网络余数制信号处理系统。提出求余运算的逐位比较模型，以非对称Ｈｏｐｆｉｅｌｄ网络为基础，构造了求余运算神经网络；将此网络用于求解中国余数定理，构造了实现余十转换的一种全新方案。计算机仿真结果证实了这个新方案的高速和有效性。     

一种新的嗅觉神经模型及其在人脸识别中的应用

提出了一种新的嗅觉神经模型.该模型由嗅球层和嗅觉皮层构成,不同层间由前向和后向反馈构成,具有分布式延时输入,分别用二阶和一阶微分方程描述嗅球层和嗅皮层中神经元.基于ORL数据库,模型被用于人脸识别以分析其模式识别能力.实验结果表明,相比于其他算法,提出的模型具有较好的性能.     

基于点火频率的两层PCNN参数研究及其应用

提出了一种新的两层PCNN网络结构,第一层为Eckhom网络,第二层为内部元链接神经元,和第一层的神经元一一对应,用来接收第一层神经元的脉冲输出。该模型综合考虑了空间和时间因素,更加接近于生物神经元。提出了该两层PCNN网络循环次数的确定方法。新的模型及其有关算法用于图像分割时,分割结果以第二层神经元的点火二值矩阵为最终分割结果,实验表明文中提出的新模型和根据初始参数确定循环次数的方法是有效的。     

模数可变的求余运算神经网络

提出了一种由外加工作电压控制模数的求余数的神经网络，该网络速度快，通用性好，可作为高速余数制计算机的运算单元。     

改进的神经网络快速学习算法

提出了一种新颖的神经元模型和用于神经网络训练的推广准则，给出了多层神经网络的快速学习算法，研究了一种用于语音识别的时变多层神经网络及其相应的快速学习算法．语音识别实验表明：所给出的快速学习算法能有效地加速网络训练进程．     

电子膨胀阀双神经元预测控制

提出了用双神经元预测控制算法对电子膨胀阀进行控制的方法，一个神经元用于在线实时估计对象动态特性，以获取对象的一步预测模型。通过学习减小模型的预测误差；另一个神经元用于在线实时控制，仿真与应用表明该算法有良好的动态响应和较强的鲁棒性，能够对电子膨胀阀进行有效的控制。     

弹性介质中多壁碳纳米管扭转屈曲的近似分析

研究了弹性介质中多壁碳纳米管的扭转屈曲,同时考虑了周边弹性介质和范德华力的影响.运用连续介质力学理论,提出了分析多壁碳纳米管扭转屈曲的多层弹性壳模型.基于这一模型,给出了用较少层的弹性壳模型代替多壁碳纳米管的近似分析方法.当N 层碳纳米管的径厚比大于5时,N层碳纳米管可以近似地等效于一个单壁碳纳米管,其等效弯曲刚度和厚度分别是单壁碳纳米管的(10N-9)倍和Ⅳ倍.最后,通过数值计算估计了多壁碳纳米管的临界屈曲扭矩.结果表明,该近似方法是简单、有效的.     

基于高维空间划分的神经网络分类学习模型

基于高维空间划分的原理，提出了一种非线性神经元CC模型和基于CC模型的神经网络的构造算法。从理论上证明基于CC模型的神经网络的容错性比MP网络要好，而且网络的隐层节点个数远远少于FP网络的隐层神经元个数，对于分类问题其计算复杂性仅为多项式（上界≤O(p^2),p为样本个数。该网络有明确的几何和物理意义，具有持续学习和噪声数据处理能力，适合大规模数据挖掘领域。     

一种优化多层前馈神经网络中隐节点数的算法

多层神经元网络中隐含层的层数及其每一层的神经元数的多寡，至今仍无法用一个解析式精确求得，提出了一种基于黄金分割法的算法，用于求解三层前馈神经网络中的隐层节点数，所得结果有助于提高三层前馈神经网络整体品质。仿真结果表明该算法能较快地找到较优的隐层节点数。     

基于粒子群优化算法的最优极限学习机

针对极限学习机隐含层神经元个数选取的问题,提出以粒子群优化算法搜索最佳隐含层神经元个数,用极限学习机模型的测试准确率作为粒子群优化算法适应值的方法(PSO-ELM)。基于手写数字数据集digits分别对比了随机设置隐含层神经元个数的极限学习机、用粒子群算法优化的极限学习机输入权重和隐层偏置的极限学习机(PSO-ELM)、传统的BP算法以及SVM算法对手写数字的识别率,对比结果表明,粒子群优化算法得到的隐含层神经元个数在极限学习机中拥有较高的准确率。     

层数对线性神经元感知机性能的影响

用神经元激活函数的线性模型，研究层数对感知器网络性的影响。结论是，层数Ｌ的选取应不大于神经元最多层神经元的个数；权初值的设影响算法步长的选取范围。     

预张力钢丝缠绕圆筒的切向应力计算

1.假设 Ⅰ.缠绕圆筒在轴向为无限长,并不存在轴向力; Ⅱ.各钢丝层等效于从里向外按先后用过盈装配的薄壁筒,并且构件始终在弹性范围内,芯筒和钢丝的弹性模量E相同; Ⅲ.各钢丝层分别以层间压力的形式作用于内部的钢丝层和芯筒,而对其外部的钢丝层不产生影响; Ⅳ.在层间压力作用半径以内的钢丝层与芯筒构成一整体。该整体的内部应力可用厚壁筒公式来计算,即等效于受外压的厚壁筒;     

双向Elman神经网络在卫星电池阵功率预测中的应用研究

针对神经网络预测电池阵功率存在的模型阶数难以确定及预测精度低下的问题，提出一种基于改进的Elman神经网络的双向预测模型。该模型利用关联层动态神经元的反馈连接，将未来预测网络和过去预测网络的信息进行融合。使网络对时间序列特征信息的记忆得到加强，从而提高预测精度。用该文提出的双向预测模型对电池阵功率进行预测，输入层仅需一个节点，不需事先对模型进行定阶。仿真预测表明，预测精度比单向模型明显提高，且网络具有较好的泛化能力。     

一种用于多类模式识别的综合感知器网络和学习算法

提出一种由感知器神经元组合成的综合网络模型及相应的学习算法,网络由3层感知器神经元组成,中间屋到输出层的权值相应地为＋1或－1,输入层到中间层的权值通过学习获得,且中间层每个神经元的权值单独学习完成,该学习算法在有限次迭代步骤内终止。当算法终止时,对于可线性发的多类模式识别问题总是能找到正确的解,如果还有模式不能识别,则说明这是一个不可线性划分的多类模式识别问题,用阿拉伯数字识别的例子说明了网络模型和算法的有效性。     

新的组合激活函数BP网络模型研究

作者提出了一种新的BP神经网络模型，其隐层激活函数采用中心参数可调的Gaussian函数，输出层采用斜度可调的Sigmoid函数，从而神经元具有了更强的信息存储、处理能力。由于采用组合函数，将Gaussian函数良好的局部性和Sigmoid函数良好的全局性相结合，提高了神经网络的收敛速度。几个典型实验的结果表明，与传统BP网络模型相比，新网络模型在学习能力和泛化推广能力方面都有明显提高。     

神经网络解逆运算问题

反馈式神经网络在计算方面的独物优点之一即利用简单的正运算完成复杂的逆运算，讨论了用于运算的三个实际网络：ａ．用乘法运算完成除法的网络；ｂ．不需逆矩阵参数而解线性方程组的网络；ｃ.用余数约化运算求解中国余数定量（孙子定理）的网络。     

基于构造性设计和GA的ANN建模方法

强调了激活函数在ANN设计中的重要性,提出一种基于构造性设计及GA的网络结构及神经元激活函数类型自动优化的ANN模型(constructived and GA based activation function,简称为CGBAF),并给出其一般形式和算法.本模型用于多层前向神经网络时,其网络结构及激活函数类型可自动优化,进而可大大提高ANN的泛化能力.通过例子验证了本方法的有效性,并进行了分析.     

粗神经网络及其在股市预测中的应用

给出由粗神经元及一般神经元组成的前向粗神经网，用它预测上证指数，每个神经元是由一对神经元构成的，一般情形下，两个神经元用四边连接，而一个粗神经元和普通神经元用两边连接，给出了误差后向传播算法，分析与计算表明，粗神经网络用于股市预测是可行的，结果也较准确。