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．     

一种改进BP算法在机械手逆运动学中的应用

通过对传统BP算法的分析，提出了一种改进激励函数的学习方法，并且在神经网络的每一层采用不同的学习速率，以提高训练速度；采用所提出的改进BP算法，训练多层前向神经网络，建立机械手逆运动学模型，仿真结果表明了该算法的有效性；与传统BP算法相比，大大提高了机械手逆运动学的精度。     

基于蚁群算法和神经网络的位移反分析

运用蚁群算法和人工神经网络构造了位移反分析的蚁群人工神经网络模型，并基于正交试验获得的训练样本对网络进行学习，以此训练好的神经网络模型来描述岩体力学参数和位移之间的关系。该方法以神经网络为基础，用蚁群算法来学习神经网络的权系数。利用反演结果，建立快速拉格朗日快速计算法（FLAC）模型，对地表沉陷进行预测。结果表明：用蚁群算法训练神经网络，可兼有神经网络广泛映射能力和蚁群算法快速全局收敛的性能。     

基于代数神经网络的多元多项式不可约判定及学习算法

把感知器作为数学模型,充分利用神经元的运算特性,以二元多项式近似求根神经网络模型为基础,设计一类多元多项式不可约判定的神经网络模型,它是单输入多输出三层前向神经网络,给出神经网络学习算法,这种学习算法在ｐ－ａｄｉｃ意义下,通过调整隐层与输出层的权值Ｃｉ,ｊ完成学习,可确定出多元多项式不可约,通过算例表明,该算法有效,相比传统的判定算法,可操作性强。     

用多层前馈神经网络进行同调发电机组的在线识别

基于多层前馈神经网络理论，本文提出了电力系统暂态稳定计算中同调发电机组在线识别的基本理论及其算法，文中阐述了这种方法的原理，神经网络的结构及学习算法，分析和计算结果表明，该方法具有准确、快速的优点，在电力系统暂态稳定计算中有很大的应用潜力。     

住宅建筑主要工料消耗的神经网络估算

建立了应用反向传播学习算法的多层前馈神经网络模型，对混合结构住宅建筑的主要工料消耗进行神经网络计算．以木门木窗和木门钢窗的砖墙住宅建筑为实例的计算结果表明，用神经网络估算住宅建筑工料消耗是非常有效的，借助该模型可实现主要工料消耗的快速估算．     

基于BP神经网络的电网线损率预测模型分析

为了提高电网线损的预测精度，提出一种基于误差逆传播算法训练的多层前馈（back propagation,BP）神经网络的电网线损率预测模型。通过对BP神经网络模型的结构和学习算法进行分析，提出了线损数据质量校核方法。试验结果表明：此模型可提高预测效果，对于线损异常诊断具有较好的诊断效果。     

住宅建筑主要工料消耗的神经网络估算

建立了应用反向传播学习算法的多层前馈神经网络模型，对混合结构住宅建筑的主要工料消耗进行神经网络计算。以木门木窗和木门钢窗的砖墙住宅建筑为实例的计算结果表明，用神经网络估算住宅建筑工料消耗是非常有效的，借助该模型可实现主要工料消耗的快速估算。     

判别混沌与噪声的局部可变神经网络方法

为了解决多对单类型的分类问题（ 尤其是无限多对单） ，提出了一种处理多对单问题的新型神经网络模型———局部可变权值神经网络，并将其应用于混沌信号和噪声的判别．局部可变权值神经网络学习算法与传统神经网络类似，但在工作时可根据网络输入来调整神经网络局部权值．从最后分类结果看，无论是在学习时间还是在分类精度上，局部可变权值神经网络比传统神经网络都要好     

一种用于MIMD平台的并行遗传／神经网络混合学习算法

本文提出了一种用于多层前馈神经网络训练的新算法，它把遗传算法与自适应变形梯度学习算法集成起来。这种并行混合学习算法已经在ＭＩＭＤ平台实现了。通过把该算法用于二个图像识别领域例子，对它的性能进行了评估，本文学显示了所 拼行混合神经网络学习算法的良好的收敛性。     

SoC的可测试性设计技术

基于可复用的嵌入式IP（intellectual property)模块的系统级芯片（SoC)设计方法使测试面临新的挑战，需要研究开发新的测试方法和策略，结合系统级芯片的可测试性设计技术所面临的技术难点。详细介绍了当前系统级芯片的可测试性设计技术，分析了各种系统级芯片的可测试性设计技术的特点及其优缺点，着重讨论了国际工业界内针对系统级芯片测试的方案；IEEEP1500和虚拟插座接口联盟（VSIA）测试访问结构。     

浅议企业专利申请中的几个问题

知识经济时代的来临引爆了企业中的创新热潮。对于企业中大量的技术创新成果，及时进行专利申请是极为必要的。本文将从专利申请的可行性分析、专利申请中的事务管理及常用策略等几方面来进行相关阐述。     

分布式存储中的再生码综述

分布式存储系统中通过引入冗余提高系统的可靠性,纠删码作为重要的冗余策略在分布式存储中得到越来越多的重视.分布式存储系统中,当某个存储节点失效后,需要引入新的节点来修复失效节点的数据.传统纠删码冗余策略在修复失效节点时需要传输的数据量较大近年来出现的再生码对传统纠删码进行改进以减少修复失效节点的带宽消耗.再生码引入网络编码的思想,在修复失效节点时,参与修复过程的节点首先将本节点内的数据作线性组合后再上传,最终修复带宽消耗最小 介绍了再生码的基本概念,然后介绍单节点修复再生码和合作修复再生码的编码策略,最后总结再生码的发展和研究方向     

艾滋病治疗的预测分析

根据2006年全国大学生数学建模竞赛B题的相关数据，建立回归模型、方差分析模型、非参数检验模型，利用统计分析软件SPSS求解，对艾滋病的治疗进行预测分析．经分析认为，在25～30周病人体内CD4的浓度达到最大，HIV的浓度最小，治疗效果达到最佳，如继续服药，治疗效果不会有明显改善．从模型比较上认为非参数检验模型对艾滋病治疗的分析最优．     

艾滋病治疗的预测分析

根据2006年全国大学生数学建模竞赛B题的相关数据，建立回归模型、方差分析模型、非参数检验模型，利用统计分析软件SPSS求解，对艾滋病的治疗进行预测分析．经分析认为，在25～30周病人体内CD4的浓度达到最大，HIV的浓度最小，治疗效果达到最佳，如继续服药，治疗效果不会有明显改善．从模型比较上认为非参数检验模型对艾滋病治疗的分析最优．     

未知函数的尾部概率的鞍点逼近

鞍点逼近是一种对随机变量的密度或者分布进行逼近的方法,可将复杂密度函数或者分布化成一个简单,实用的形式,而且其误差较其他传统方法,比如正态逼近法及泰勒逼近法小得多,特别是在尾部概率的逼近方面优势明显。对已知函数进行逼近是简单的,但是实际试验中,试验数据的分布是未知的,本文对一组未知数据的尾部概率用两种不同的形式去进行近似。     

网络选址的两级决策模型

本文提出了以用户优化为下级决策,以设施选址优化为上级决策的网络选址两级决策模型,给出了树状网络下模型求解的基本定理及相应的算法,并从一个重要的反例出发,讨论了Braess佯谬与模型的联系。     

凸体p-非对称度的稳定性(英文)

证明了凸体p-非对称度在其最大最小值处的稳定性定理,其中关于1-非对称度在最小值1处的结论是该文的主要贡献。     

基于目标的新船构造标准对海事监管的影响

主要描述IMO关于基于目标的新船构造标准的现状,以及其对海事监管方面的影响.面对挑战,主管机关应该采取相应的行动去适应新标准带来的变化.同时,在新形势下找到合适的方法去监督船舶安全和保护环境.