神经网络的函数逼近性分析

结合国内外最新研究成果，详细论述了人工神经网络及模糊神经网络对函数的逼近能力，从而为神经网络函数逼近性在智能化控制方面的应用提供了理论依据。     

用反向传播神经网络求解J积分

提出了一种基于反向传播神经网络（Back Propagation Neural Network)建立专家系统求解J积分的方法。该方法以构件或材料的性能和形状参数，裂纹的几何参数为神经网络专家系统的系统输入，利用神经网络所具有的自学习，自组织能力，来实现系统输入与输出参数之间的非线性映射。通过应用实例表明，该方法可以用来有效求解J积分。     

基于混沌算法神经网络的高校师资预测

本提出一种基于混沌算法神经网络的师资预测模型，该算法通过在前馈式神经网络连接权空间学习算法的动力学方程中引进一非线性自反馈项，使得网络具有良好的函数近似能力，应用这种算法的神经网络对我国高等院校的师资需求进行预测，为我国有关高等院校的教育决策提供依据。     

基于RBF神经网络的总产值预测模型研究

介绍了径向基函数（RBF）神经网络的工作原理和训练算法．根据生产总值与投资分配之间存在的映射关系，应用RBF神经网络建立了投资预测模型，并进行了仿真试验．与BP模型相比，该模型在预测精度和收敛速度方面具有显著的优点．结果表明，用RBF神经网络进行投资预测得到了十分满意的结果．     

一种解病态线性方程组的神经网络算法

详细研究了求解病态线性方程组AX=b的神经网络算法,提出并证明了神经网络算法的收敛性定理,算法的收敛性定理为神经网络学习率的选择提供了理论依据.为了验证算法的有效性,给出了应用实例.研究结果表明了求解病态线性方程组的神经网络算法是有效的.     

神经网络B－P学习算法及其在含F铋系高温超导体制备中的应用

叙述“反向传播”神经网络的结构、算法及其在含Ｆ铋系高温超导体制备中的应用．实验结果表明神经网络的判别正确率为１００％．因此，该方法可用于材料设计等高层次知识处理领域．     

基于傅立叶基神经网络的传感器非线性补偿方法

针对热敏电阻温度传感器应用中存在的非线性问题,提出了以神经网络为补偿环节,结合传感器构成的一种非线性补偿模型.基本思想是采用傅立叶基神经网络,以传感器的输出作为神经网络的输入样本,传感器的输入温度为神经网络的期望输出,通过调整神经网络权值使神经网络的输出与期望值近似,实现温度测量的非线性补偿.结果表明该方法有效提高了精度,是一种有效的传感器非线性补偿方法.     

神经网络显色光度法用于镧系稀土的同时测定

研究了神经网络反传算法及其在光谱分辨中的应用。借三溴偶氮氯膦为显色剂，以光度法同时测定１５种稀土元素，相对误差一般小于５％。表明结果良好。     

一类自治网络的全局稳定性及其应用

该文研究了一类具有分布式并行处理特征的非线性自治网络的全局稳定性，给出了全局渐近稳定及全忆中指数稳定的实用判据，并以连续Ｈｏｐｆｌｅｌｄ神经网络为例讨论了其应用，该文的结果可适用于含有非互易及局部有源电阻元件的自治网络。     

基于神经网络的常微分方程数值计算方法

科学与工程应用中常用微分方程来建模,提出了一种基于余弦基神经网格的计算微分方程的新方法,其基本思想是以神经网络的输出来近似初值问题中的解析解.为保证算法的收敛性,提出并证明了神经网络算法的收敛性定理,为神经网络学习率的选择提供了依据.通过实例证明了该算法的有效性.     

基于神经网络辨识的表面温度传感器动态标定及瞬态温度测量

针对瞬态温度测量设计了一种薄膜热电偶,提出了一套瞬态温度传感器动态标定的实验方案。     

人工神经网络应用于光谱分析：校正与辨识

将人工神经网络（ＡＮＮ）用于光谱分析校正与定量分辨中，采用三层节点模型和反向传播学习算法对模拟与实测数据处理结果表明，人工神经网络对光谱分析校正与定量辨识是可行的。从页为光谱辨识与多元校正提供了一条新途径。     

人工神经网络在孕妇脉象判别中的应用

以人工神经网络理论为基础,设计了一个用于判别孕妇脉象的神经网络。先对采样数据进行分析处理,形成网络的样本数据库,然后对网络进行训练、仿真,最后再对仿真结果作进一步分析。实验和分析表明,人工神经网络方法在中医脉诊领域具有明显的优越性和广泛的应用前景。     

刚性路面脱空的集成神经网络识别研究

通过有限元法建立了刚性路面脱空的计算模型,提出采用基于集成神经网络技术对刚性路面脱空状况进行识别,通过刚性路面脱空输入特征向量的组合,用各子神经网络对刚性路面脱空进行初步缺陷识别,然后对识别结果进行决策融合,给出了系统的实现策略和子网络的组建原则。数值模拟结果表明,采用本识别方法合理地选取了各种输入特征向量,具有更好的识别效果．     

带有两个时滞的不确定神经网络的渐近稳定性分析

研究一类具有两个时滞和不确定性神经网络的全局渐近稳定性问题,通过构造新的Lyapunov函数,运用线性矩阵不等式理论将T-S模糊模型扩展到带有两个时滞的含有不确定项模糊神经网络,并给出系统稳定的充分条件。仿真实例验证了结论的有效性。     

非平衡理论与一般系统理论

系统理论在许多领域具有指导作用,非平衡理论的建立及其基本观点体现了非平衡理论和一般系统论在哲学上的统一。本文试图就两者的相合之处加以讨论.     

一类状态不可测非线性时滞系统的神经网络故障诊断

针对一类状态不可测的非线性时滞系统,提出了基于神经网络故障诊断的新方法.采用系统的状态和时滞状态的估计值作为神经网络的输入对故障进行估计.首先构造一种状态观测器结构,利用输出信息和神经网络的非线性逼近能力对系统不可测状态进行估计,然后对系统发生的故障用另一个RBF神经网络进行估计,故障估计器的输入为系统的当前估计状态以及时滞状态,所估计出的故障是随时间变化的非线性函数.基于Lyapunov理论,分析并证明了系统的稳定性和参数收敛性,同时作了仿真研究.仿真结果表明,该方法能够很好地解决一类状态不可测的非线性时滞系统的故障诊断问题.     

基于神经网络自适应观测器的鲁棒故障检测

提出一种基于动态神经网络的不确定非线性系统鲁棒故障检测方法,该方法通过构造神经网络自适应观测器来获取反映系统故障的残差信息以进行快速的故障检测,并采用Lyapunov稳定理论证明了闭环误差系统的一致最终有界稳定性.针对某型飞机舵面故障的仿真验证了本文方法的有效性.     

傅立叶神经网络建模研究

基于函数逼近论，将一组傅立叶基函数作为三层前向神经网络各隐含神经元的输出特性，以其加权和作为网络的非线性输出，构成一种新型的傅立叶神经网络；从理论上解决了单输入神经网络隐含层数及隐含神经元个数难以确定的问题。仿真实验表明，该网络具有优良的逼近任意非线性特性的能力。     

具有不同时间尺度的变时滞竞争神经网络概周期解的存在性和全局指数收敛性

运用不动点理论和微分不等式技巧研究了具有不同时间尺度的变时滞变系数竞争神经网络的概周期解,给出了其存在性和全局指数收敛性的一种判别准则.