神经计算机研究进展

神经计算是一种新的信息处理方法，研究非程序的、自适应的、大脑风格的信息处理方法的本质和能力，目前已发展为一门独立的学科。本文主要介绍神经计算机与传统的数字计算机的区别，神经计算机的理论基础、体系结构、性能指标以及其最新发展动向。     

协同计算机与认知神经网络从上至下的方法

本书是施普林格出版社出版的《协同技术》丛书中的一本，第一版于1991年出版。本书介绍了一种新颖的神经网络方法，对迄今所知的神经计算机提供一个真正的可供选择的方法。作者发现在模式识别与远离平衡的开放系统中，模式的形成非常类似，然后使用了协同技术的数学工具有系统地阐述了协同计算机的概念，最后提出了一个模式识别学习的完整与严格的理论。     

公路边坡稳定性神经可靠度评价

利用人工神经网络(ANN)的强大非线性动态处理能力,较强的计算能力和容错特性以及建模不受严格条件限制等优点,把ANN模型作为可靠度计算的功能函数,将神经网络与可靠度计算耦合起来,提出边坡稳定性评价的神经可靠度法,并对具体公路边坡进行神经可靠度评价,结果表明,该方法是有效、可行的.     

计算机辅助教学(CAI)的指导思想

在计算机辅助教学 ( CAI)中 ,采用什么样的内容呈现模式 ,建立什么样的结构 ,设计什么样的人、机交互等等一系列的问题 ,其核心是应用 CAI的指导思想。现代学习理论是探讨人的学习行为机制的 ,是教育教学过程中解释学习、指导学习的理论基础 ,也是计算机辅助教学 ( CAI)和 CAI课件制作的指导思想。1　布鲁纳的认知结构和发现学习法布鲁纳是美国研究认知学习和认知发展的著名心理学家。布鲁纳认为 ,任何一门学科知识都有一定的知识结构 ,学习就是掌握学科的知识结构。他认为 ,教学不能逐个地教每个事物 ,为使教学达到让学生掌握学科知识…     

“多练多进步”的神经机制

从小到大，我们经常被教导：多练习，多长进。而且，实际经验也告诉我们，这是一条颠扑不破的真理。然而，很久以前科学家就发现，在长期学习的过程中，对大脑单个神经突触不断重复刺激反而会减弱神经突触的作用。这个与实际经验相背的现象一直令科学家迷惑不解。最近，     

大脑、知觉模型和计算机模拟

现代神经生物学的研究表明，大脑的知觉活动可能和脑里神经脉冲的图型有关。为了充分评价这一假设的含义并在计算机上模拟知觉过程，必须研究神经元是如何工作的；它们之间是如何通信的；它们是如何组织成局部的或散布的网络的，以及神经元之间的连接是如何随经验而改变的。     

蛋白质光学神经智能计算机：生物计算机的实质性进展

目前，生物计算机的发展趋势是：主要从混合型机方面取得突破，并进而向神经智能机过渡，旨在取得高于电子计算机的最优异性能     

一种思维系统模型和工作日行为的计算机仿真

人的思维活动是很难仿真的,它要同时处理海量的随机生成或其行为生成的信息．作者提出一种简单的思维系统模型用于人工智能和机器人学,给出了一种工作日行为的计算机仿真．这个思维系统主要由记忆、知识库、学习系统、运算和认知系统、决策系统、通信和神经网络系统组成．思维活动主要由所有子系统的行为构成．采用这个思维系统模型对人的工作日行为进行了计算机仿真．结果较好．     

经济类院校非计算机专业计算机教育的探讨

经济类院校中非计算机专业究竟开设什么样的计算机课程,如何安排,达到什么样的目的都要首先进行准确的定位。否则这样的院校中所开设的计算机课程则成为了一种形式。     

AI与神经计算机

人工智能（ＡＩ）的迅速发展对计算机的性能和结构提出了新的要求，本文论述了：（１）建立在冯氏计算机基础上的传统的ＡＩ存在问题；（２）神经计算机的设计思想与工程实现；（３）传统的ＡＩ与ＮＣ的结合将是新一代智能信息处理系统发展的必由之路     

Back-Propagation Artificial Neural Networks for Water Supply Pipeline Model

IntroductionWater supply pipelines are the lifelines of a city.Their operation status will greatly influence socialdevelopment.Burst points in pipeline networksshould be found as soon as possible.　Due to their randomness,time variation,andperiodicity of urban water supply pipelines,it isvery difficult to locate burst points usingtraditional methods such as direct observing,sonardetecting,etc. The traditional methods cannotfind the burst point without frequent routinechecks.Sometimes,it is im…     

一种基于人工神经网络的无线传感器网络定位算法

提出了一种基于人工神经网络(ANN)的无线传感器网络定位方法,RSSI的结果被用来作为人工神经网络的输入,采用遗传算法优化人工神经网络的结构.采用MATLAB进行仿真,模拟20 m×20 m室内静态网络环境下的8个已知位置节点.实验结果表明,该方法比传统方法的定位精度高、适应性强,效果较好.     

MIMO Channel Estimation and Equalization Using Three-Layer Neural Networks with Feedback

This paper describes a channel estimation and equalization algorithm using three-layer artificial neural networks （ANNs） with feedback for multiple input multiple output wireless communication systems. An ANN structure with feedback was designed to use different learning algorithms in the different ANN layers. This actually forms a Turbo iteration process between the different algorithms which effectively improves the estimation performance of the channel equalizer. Simulation results show that this channel equalization algorithm has better computational efficiency and faster convergence than higher order statistics based algorithms.     

神经元网络动态认知过程与第二语言习得

连接论的神经元网络动态认知过程相对于其它理论比较清晰地解释了二语习得中的一些问题及现象,如母语迁移,二语习得而非学得,以及二语被大脑习得的整个较为清晰的动态过程.除此之外,连接论还解答了两个重要问题,那就是可理解性输入到底输入的应该是什么;为什么输入必须是可理解或被理解的.本文将就此进行分析和探讨.     

利用神经网络进行近似分析的结构优化设计

利用人工神经的高度进行和非线性映射的功能,提出了用多层BP网络描述任一弹性结构的应力、位移等量和结构设计变量之间的映射关系,建立了基于人工神经网络的结构全局近似分析方法,利用复合形优化思想对BP网络进行设计和学习,建立结构近似分析的神经网络模型,桁架算例分析表明,利用神经网络进行近拟分析的结构优化人有较高的设计精度和适应性。     

Samples Selection for Artificial Neural Network Training in Preliminary Structural Design

An artificial neural network (ANN) is applied in the preliminary structural design of reticulated shells. Major efforts are made to enhance the generalization ability of networks through well-selected training samples. Number-theoretic methods (NTMs) are adopted to generate samples with low discrepancy, i.e.uniformly scattered in the domain, where discrepancy is a quantitative measurement of the uniformity. The discrepancy of the NTM-based sample set is 1/6-1/7 that of samples with equal spacing. In a case study,networks trained by NTM-based samples are compared with those trained by equal-spaced samples in generalizing performance. The results show that both the computational precision and stability of the former ANNs are more satisfactory than those of the latter. It is concluded that the flexibility of ANNs in generalizing can be effectively increased by use of uniformly distributed training samples rather than simply piling data.More reliable uniformity should be obtained, however, through NTMs instead of equal-spaced samples.     

基于LVQ神经网络的植物种类识别

提出一种基于学习矢量量化（LVQ）神经网络的计算机植物种类识别新方法. 使用2-D不变矩、 多尺度2-D Gabor滤波器等多种方法分别提取了叶片的几何特征和纹理特征, 应用LVQ神经网络识别植物种类. 实验结果表明, 该方法对植物种类的识别效率较高.     

神经网络及其研究进展

神经网络是人工智能应用的重要研究领域,因其出色的高度非线性映射能力、自组织和适应能力、记忆联想能力,已经成为机器学习研究的热点,本文讨论了神经网络的发展过程,理论依据以及神经网络的未来发展,     

神经模糊网络自适应模糊控制研究

提出了一种由样品辨识、模糊推理和控制处理 3个子网模块构成的基于知识的多层神经网络 .这种网络由各子网分别构成并按照最初的模糊控制结构适当连接而建立 ,具有明确区分各组成子网功能及其知识流结构 .由于综合了模糊逻辑的推理过程及神经网络的学习能力 ,使它能够在其结构中以模糊规则的形式引入语言知识并通过网络的训练及自学习对这些知识进行加工 ,从而实现了真正意义上的自适应模糊控制器 .最后还讨论了这种 NFN网络在动态过程控制中的应用