化学中神经网络反传模型的应用研究及及现状

业己将神经网络反传模型ＢＰＮＮ及其改进算法用于分析校正、多元分析、模式识别、构效关系、有机合成、定量预测等方面，本文简述其应用研究情况。     

化学中神经网络反传模型的应用研究及现状

业已将神经网络友传模型BPNN及其改进算法用于分析校正、多元分析、模式识别、构效关系、有机会成、定量预测等方面，本文简述其应用研究情况。     

一种应用于模式识别的神经网络模型

本文首先引入了感知神经元，建立了一种应用于模式识别的三层神经网络模型．对于任一组二元标准模式（二元图象或特征值序集），我们根据给定模式及要求设计神经网络，使之对输入模式进行识别．这种神经网络结构明确，易于实现，其实施有助于提高模式识别系统的执行速度与识别能力．     

Matlab人工神经网络工具箱中的BP工具函数及其应用

人工神经网络中的BP网络模型在函数逼近、模式识别等领域得到了广泛的应用，但利用神经网络解决实际问题时，经常涉及到大量的数值计算问题，而运用计算机高级语言编程对神经网络BP模型进行仿真和辅助设计是件十分麻烦的事情，为了解决这个矛盾，Matlab工具箱中专门编制了大量有关设计BP网络模型的工具函数。本分析了Matlab软件包中人工神经网络工具箱的有关BP网络的工具函数，并给出了部分重要工具函数的实际应用。     

卷积神经网络分类模型在模式识别中的新进展

近年来,深度学习作为机器学习的新兴研究领域越来越受到人们的关注,通过深度学习构建的深度网络在无监督特征提取方面表现出优异性能。卷积神经网络作为一个相对成功的深度学习模型,逐渐成为模式识别领域的研究热点。本文对卷积神经网络及其近年来在模式识别领域取得的新进展进行综述。首先介绍深度学习与卷积神经网络之间的关系以及卷积神经网络的基本原理;其次对卷积神经网络的各种改进算法进行了总结,对卷积神经网络在模式识别领域的新应用进行了概述;最后阐述了目前在卷积神经网络学习理论中亟需解决的主要问题。     

智能化的边坡稳定性分析方法

应用智能科学理论和控制论的思想，提出了露天矿边坡稳定性分析的智能模型，讨论了一种新的知识表示方法和实现边坡稳定性分析的问题求解新机制．新的知识表示方法是集框架，规则，神经网络，数学模型于一体的面向对象和综合集成的方法．用逻辑推理、模式识别、模型计算综合集成的方法进行了边坡稳定性分析．运用该模型对实际边坡进行了破坏模式识别，识别结果与实际相吻合．     

基于神经网络的智能DSS研究

决策支持系统(DSS)是综合利用大量数据、有机组合众多模型、通过人机交互、辅助各级决策者实现科学决策的系统。神经网络是由大量类似于神经元的处理单元相互连接而成的非线性复杂网络系统。它的应用涉及到模式识别、自动控制、优化计算和联想记忆、军事应用以及决策支持系统，特别是神经网络和决策支持系统结合可以实现推理系统的自适应并行联想推理及数据开采的自动化。将专家系统引入神经网络智能决策支持系统中是DSS未来的发展方向。     

基于粒子群优化的神经网络漏钢预报模型研究

针对BP神经网络在训练过程中收敛速度慢以及用于模式识别泛化能力差的问题,将粒子群优化算法PSO引入到BP神经网络的训练过程,建立了PSO-BP神经网络模型,并将其应用到连铸漏钢预报系统中。结合某钢厂连铸现场历史数据对该连铸漏钢预报系统进行了测试,测试结果以98.03%的预报率及100%的报出率,验证了基于粒子群优化算法的BP神经网络连铸漏钢预报系统模型的可行性和有效性。     

协同神经网络及其在模式识别中的应用

本文介绍了协同神经网络的基本思想,重点研究了协同神经网络在模式识别技术中的应用题,包括动力学模型、网络结构及学习算法,同时与传统的Hopfield网络进行了比较。     

多种连接模型的忆阻神经网络学习

忆阻器以其独特的非易失性、天然的记忆功能以及纳米级尺寸,在人工神经网络、信号处理和模式识别等方面展现了巨大的应用前景。采用了基于STDP学习规则的忆阻神经网络,运用了网络自适应突变以及网络拓扑结构变化的基因算法,其中包括隐藏层神经元个数,连接权重以及神经网络突触模型的变化。比较了基于HP线性忆阻器模型,非线性忆阻器模型以及阈值模型这3种不同忆阻器模型的忆阻神经网络,并提出了学习效果更好的混合型忆阻神经网络。     

常用神经网络的操作模型与算法

给出前馈神经网络（ＦＮＮ），径向基神经网络（ＲＢＦＮＮ）和子波神经网络（ＷＮＮ）的操作模型。分别导出它的识别，逼近和学习方程，并给出它的识别，逼近和训练算法。计算机模拟表明用径向基函数神经网络和子波神经网络识别入射波具有很好的频率，入射角及相位识别特性     

Applications of Neural Networks in Spinning Prediction

Th netal network spinning prediction model (BPana RBF Networks) trained by data from the mill canpredict yarn qualities and spinning performance. Theinput parameters of the model are as follows: yarncount, diameter, hauteur, bundle strength, spinningdraft, spinning speed, traveler number and twist.     

基于形态学与神经网络相结合的手写体汉字识别实验系统

本文利用形态参量和神经网络相结合的方法来研究手写汉字识别。设计了一个具有学习功能的手写汉字识别实验系统，对一级汉字进行实验，给出了识别的实验结果；平均正确识别率为８６％‘并指出了存在的问题和改进的方法。     

神经网络矢量量化的设计与实现

设计了一种混合神经网络矢量量化编码方法。利用Ｋｏｈｏｎｅｎ网络的自组织聚类功能设计矢量量化器码书，实现矢量量化，用３层ＢＰ网络完成码字的信道符号编码。该神经网络矢量量化编码器能够并行处理输入矢量，速度快，效率高，适用于语音和图像数据压缩     

n组元网络随机连接特性研究

介绍了以ＲＡＭ实现的人工神经元和网络，着重分析了以随机方式连接的网络形态及其动态特性。概率分析结果表明，其动态特性可以预测，从而为网络自适应行为提供了一种测试手段。     

新生大鼠海马神经干细胞的体外培养及鉴定

的探讨新生大鼠海马神经干细胞（NSC）的体外培养和诱导分化的条件和特点。方法分离出生1d大鼠海马,在表皮生长因子、碱性成纤维生长因子和B27联合作用下使其稳定增殖,用5-溴脱氧尿苷（BMU）标记处于增殖状态的神经干细胞,应用免疫荧光染色方法行巢蛋白（Nestin）、5-溴脱氧尿苷（BrdU）、β-Ⅲ型微管蛋白（Tuj-1）、波形蛋白（Vimenfin）和Galc-C免疫荧光染色,对NSC的增殖及其分化的细胞进行鉴定。结果体外培养的NSC增殖成神经干细胞球并传代,鉴定为Nestin染色阳性细胞和5-溴脱氧尿苷（BrdU）标记染色阳性细胞,并可诱导分化为神经元细胞（Tuj-1染色阳性细胞）、神经胶质细胞（Vimentin染色阳性细胞）和少突胶质细胞（GMc-C染色阳性细胞）。结论采用无血清培养基中加入特定生长因子的培养技术,可培养出在体外稳定增殖并有多向分化潜能的新生大鼠海马神经干细胞。     

用细胞神经网络实现蔡氏混沌电路

研究了用细胞神经网络（ＣＮＮ）实现蔡氏电路的方法，把ＣＮＮ模型与蔡氏电路模型两者联系起来，并且只采用一般常用的运算放大器、电阻和电容即可方便地构成蔡氏电路，试验结果表明，电路原理简明，工作可靠，性能优良，有较大的实用价值。     

一类基于神经网络的观测器及其在二关节机械手中的应用

本文提出一种非传统的神经网络观测器用来估计非线性系统的未知非线性部分。该神经网络是三层网络,采用带修正项的误差反传算法进行训练,以保证跟踪的精度和权值的有界。且在sigmoid 活化函数中增加线性滤波器,以提高系统的抗干扰能力。然后利用Lyapunov直接法保证基于权值误差的非传统观测器的稳定性。最后将该观测器应用到二关节机械臂系统的状态观测中,仿真结果验证了有效性。     

开关电流神经网络

本文提出了采用开关电流（ＳＩ）电路技术的神经网络实现．开关电流神经网络（ＳＩＮＮ）仅需要标准的数字ＣＭＯＳ工艺，且电源电压要求低     

人工神经网络在人脸部识别中的应用研究

在对二值图像分析处理的基础上，介绍了人工神经网络（ANN）方法在数字图像识别中的应用，并通过在身份验证中的人面部特征提取与识别的实例对现有网络进行了研究，提出了改进思想，以期达到降低运算量、提高识别率的目的。