神经网络在心电图诊断技术上的应用

综述了近年来神经网络技术在心电图诊断中的应用成果，提出了应用神经网络进行心电图分类的主要技术问题，并指出神经网络和专家系统相结合，是医疗诊断技术的发展方向．     

一种神经网络集成分类器在暂态稳定评估中的应用

针对神经网络应用于电力系统暂态稳定评估存在的误分类问题，将粗糙集理论和神经网络相结合，运用特征矩阵进行属性约简的基础上，应用装袋策略构造集成神经网络分类器来提高分类准确率，在新英格兰10机39节点系统中的应用验证了该分类器的分类准确率较普通神经网络分类器有较大的提高、     

高阶神经网络研究简介

高阶神经网络灶神经网络研究的一个重要分支．本文介绍了高阶神经网络的概念、结构和优越性，讨论了ＴＣ等几个实际应用问题，同时阐述了高阶神经网络面临的困难和发展前景。     

神经网络在心电图诊断技术上的应用

综述了近年来神经网络技术在心电图诊断中的应用成果，提出了应用神经网络进行心电图分类的主要技术问题，并指出神经网络和专家系统相结合，是医疗诊断技术的发展方向。     

神经网络指数稳定性分析的一种方法

提出了一种非线性测试，利用这种非线性测度研究了一类神经网络的局部指数稳定性和全局指数性，得到了保证神经网络的平衡点唯一、全局和局部指定的一些充分条件，导出了神经网络有多于一个平衡点的必要条件，同时得到神经网络任意两个解的差的估计式，以及神经网络指数收敛的收敛率和神经网络局部指数稳定的吸引区域的估计，所得结果是新的且不同于已有文献，便于实验应用。     

BP神经网络在储层物性参数预测中的应用——以梁家楼油田沙三中为例

在储层四性特征及其四性关系研究的基础上，应用BP神经网络方法，对梁家楼油田沙三中储层的物性参数（孔隙度、渗透率）进行了预测，并对其预测精度进行了检验。将神经网络解释结果与常规数理统计方法精度对比可见，神经网络法的参数预测精度有较大的提高，显示出BP神经网络法在储层参数预测中的优势与应用潜能。     

浅谈类神经网络

文章阐述了类神经网络的由来、基本原理，并介绍了类神经网络在各领域的应用。     

神经网络在自动控制中的应用

从神经网络的产生、特点、发展以及在自动控制中的应用等方面，对神经网络进行了综述。     

摆式客车倾摆控制系统神经网络预测控制

考虑伺服电机及机械系统的非线性对车体倾摆的影响，并包括伺服电机的饱和非线性特性的影响在内，采用神经网络方法对非线性特性的动态系统的输入输出关系进行辨识研究，建立摆式客车伺服系统神经网络非线性模型；提出在摆式客车中运用神经网络预测控制结合鲁棒控制的复合控制系统，解决这类非线性系统的控制问题，即应用神经网络进行辨识及预测控制．研究表明，从理论及工程应用角度看神经网络预测控制都是切实可行的，为在摆式客车倾摆控制系统中应用神经网络预测方法提供了一个新的方向．     

基于递归神经网络模型的传感器非线性动态补偿

讨论了递归神经网络模型在传感器非线性动态补偿中的应用，给出了递归神经网络模型的结构及相应的训练算法．递归神经网络模型本身具有动态映射能力，其结构仅与输入层和中间层的节点数有关，且不需要知道被补偿传感器的结构特性(如输出、输入的最大延迟)等先验知识，简化了动态补偿器的结构设计．采用递推预报误差算法训练神经网络，具有收敛速度快、收敛精度高的特点．实验结果表明，经过补偿后的传感器具有期望的输入输出特性，应用递归神经网络对传感器进行非线性动态补偿是一种行之有效的方法．     

风洞发动机的神经网络控制

本文介绍ＦＬ－７风洞功率源－３台航空发动机的神经网络控制，这是一个非线性控制系统，通过对非线性动态特性分析，采用神经网络预报控制与旁路活门协调控制相结合，达到优化控制，仿真试验表明，控制系统不仅精度高，可靠性好，响应速度快，而且节省燃油。     

人工神经网络在控制中的应用及发展前景

通过对人工神经网络的历史与现状的分析，指出人工神经网络具有强大的生命力和应用前景，特别是在解决复杂控制问题方面具有五大优势．总结了人工神经网络在控制领域的主要应用实践，并对其发展前景和存在的问题进行了探讨．     

人工神经网络理论在控制领域中的应用综述

力图从人工神经网络的研究历史出发,在对人工神经网络在控制系统中的应用现状作出概述之后,针对当前的自动控制领域所遇到的难点问题,说明为什么人工神经网络理论能在其中获得如此广泛的关注,并详细论述其适用于控制工程领域应用的主要特征。     

一类基于神经网络的模糊系统建模与控制

将人工神经网络理论和模糊系统理论结合起来,研究并提出了一类基于人工神经网络的模糊系统建模和控制方法。仿真表明该方法能有效地用于多种难以建立数学模型的控制系统。     

Designing Neural Network Model in Distributed Control System

The realizing of Artificial Neural Network(ANN) in Distributed Control System (DCS) is discussed. The model of ANN designed can be called as easily as conventional algorithm. It can act as an ANN controller or as an identifier in adaptive control system.     

控制系统极点配置的 ANN 方法

基于神经网络技术,给出了一种新的用于多输入多输出线性控制系统极点配置的ＡＮＮ（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ）方法,并通过仿真验证了该方法的有效性和可行性。     

基于神经网络的ATM网络ABR业务流量控制

提出了异步转移模式ATM网络可用位速率ABR业务一种基于神经网络的流量控制方法。采用基于径向基神经网络的流量控制算法可以实现在线学习,自适应根据流量大小的变化和网络的拥塞状况调整神经网络的模型参数。仿真结果表明与传统的静态反馈方法相比,文中所用的算法可有效地提高信道的利用率和降低信元丢失率。     

一种新的复合神经网络控制器

目的介绍一种新的复合神经网络控制器的结构。方法结合传统控制、神经网络监督控制、神经网络逆控制的优点提出复合控制器方案,建立用它控制水箱系统的水位和温度的仿真模型,并进行计算机仿真。结果仿真实验表明,复合神经网络控制器中的PD控制器、神经网络监督控制器、神经网络逆控制器,可以协同工作,也可以在某种程度上单独工作。结论复合神经网络控制系统的鲁棒性和抗干扰性得到提高。     

两电机同步系统的神经网络逆控制

以多变量、非线性、强耦合的两电机同步控制系统为研究对象，在同步旋转坐标下，建立了两电机同步系统的数学模型，并进行了可逆性分析．采用静态神经网络加积分器构造两电机同步控制系统的逆系统，将此逆系统与原系统相串联构成复合伪线性系统．即两电机同步系统被线性化且已解耦成速度和张力两个相对独立的系统，速度环为y=s^-1φ（s）型伪线性子系统，张力环为y=s^-2φ（s）型伪线性子系统，再分别设计线性闭环调节器对速度环和张力环进行控制．实验结果证明了采用神经网络逆系统控制方法可以实现两电机同步调速系统的解耦控制．     

聚合物微观质量控制系统中的人工神经元网络

文中分析了聚合物微观质量控制系统对模式识另模块提出的任务与要求，并在此基础上确定了人工神经元网络的结构．作者阐述了利用采集的系统数据对神经元网络进行训练和验证的过程，及首次应用人工神经元网络实现聚合物微观质量控制系统中模式识别的功能．