一种基于属性抽取与整合的Petri网模型

将感觉神经检测机制融合于Petri网中，提出了一种新的基于属性抽取与整合的感觉神经检测Petri网模型，使得Petri网更加适合于对神经思维的描述，提高了系统的智能行为。     

一种基于遗传算法的BP神经网络算法及其应用

主要分析了神经网络和遗传算法的特点和存在的一些缺陷，研究了遗传算法和BP神经网络学习算法相结合的相关技术，设计并实现了一个基于遗传算法的BP神经网络算法BP—GA，已应用于肺癌早期细胞病理诊断系统中。实验结果表明，该算法具有较强的收敛性和鲁棒性，其应用效果很好。     

基于神经网络模型的舰面流场仿真算法

飞行甲板表面流场是影响直升机飞行安全的重要因素，在直升机实时飞行仿真中，流场速度分布特性直接影响直升机飞行动力学仿真的精确度。文章以纳维-斯托克斯方程为基础，利用BP神经网络算法，研究了实时确定流场速度分布的方法，该方法可用于甲板流场实时仿真，提高直升机飞行仿真的精度。     

基于进化神经网络方法的矿石消费时序分析

利用神经网络建立模型,并应用遗传算法识别最佳网络结构(模型的阶数p值和隐含层节点数),进而提出了一种用于时序分析的进化神经网络新方法.最后,将其应用于我国铁矿石消费指数的预测,取得理想的结果.     

混沌神经网络住宅性能综合评价模型的研究

住宅性能综合评价是住宅商品化和市场化的重要基础性工作．利用人工神经网络模拟人脑学习和记忆功能的特点，建立了住宅性能综合评价模型．针对神经网络BP算法收敛速度慢容易陷入局部极小值问题，将混沌理论引入神经网络算法中，利用混沌运动的遍历特性加快了训练速度，使其收敛于全局最优解．算例表明，混沌神经网络模型可以准确地评价住宅的综合性能，有良好的应用前景．     

小波神经网络用于非线性函数逼近的研究

神经网络具有良好的学习特性，而小波变换具有良好的时频局部化特性．将二者结合在一起构成小波神经网络，网络隐层采用morlet小波函数，输出层采用线性函数，使得该网络兼具神经网络和小波变换的优点．分别用小波网络和BP网络逼近一非线性函数，其结果表明，在相同的误差条件下，小波网络的收敛速度要远远快于一般的BP网络．     

船舶初步设计阶段智能决策支持系统的应用

提出了用于辅助船舶设计者在获取船型要素信息量有限情况下，进行船型方案优选决策的支持系统理论体系框架和模型。将该系统应用于某实船船型方案优选决策，证明该方法是可行的、可靠的。此外，对未来智能决策支持系统在船舶初步设计中的应用前景进行了展望和预测。     

基于云理论神经网络决策树的生成算法

提出了一种基于五层云神经网络的决策树生成方法.运用五层云神经网络学习变量间的云映射关系,从中生成云决策树.给出了神经网络的学习算法和云决策树的推理方法,这种方法不但具有神经网络的学习能力,而且结合云理论处理知识的不确定性的能力.该方法利用了五层云神经网络学习后的云映射强度,并能实现云决策树的剪枝优化,提高了算法的正确率.     

基于人工神经网络的函数逼近法计量精度的提高

提出一种基于BP神经网络的提高激光干涉计量精度的数据处理方法，并将该方法与常用最小二乘法作二次曲线拟合进行比较。结果表明，用神经网络逼近函数方法，不但解决了光学干涉计量中像素尺寸以及图像采集卡空间量化误差对测量精度的影响，而且解决了目标函数多极值问题，从而干涉条纹可获得高于光敏像素级定位精度。最后将干涉条纹的光强精确地拟合出来，讨论曲线拟合误差，表明该算法具有很好的鲁棒性和自适应能力。     

混沌神经网络在分离叠加模式和信息恢复中的应用

提出了一种改进的混沌神经网络模型，该模型具有两个特点：①能从叠加模型恢复出被记忆的正确信息；②能通过部份信息恢复被记亿的全部信息．设计了一系列的仿真实验证明了所提模型的有效性。