列车运行监控记录装置故障诊断系统的研究

概括分析了基于故障树分析的列车运行监控记录装置故障诊断系统的特点及存在的问题，并在此基础上，提出了采用双向联想记忆神经网络的故障诊断系统方案。简要介绍了双向联想记忆神经网络故障诊断系统的系统结构、软件系统功能及诊断流程，并以主机无显示故障为例，详细描述了故障诊断模型、M矩阵的建立、推理过程、解释机制的构建原理。最后还概括分析了该系统的优越性，并点出了系统在技术实现中存在的主要问题。     

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。     

模糊控制与模糊神经网络研究的现状及展望

回顾了模糊控制理论的发展历程，介绍了模糊产品和模糊硬件的开发概况，阐述了将模糊逻辑与神经网络相结合的模糊神经网络技术的研究动态，并对模糊控制学科的发展进行了展望。     

多层前向神经网络权值初始化的研究进展

理想的初始值可以使多层前向网络模型有较快的收敛速度，同时避免陷入局部最小．对现有多种前向网络的权值初始化方法进行了综述，最后提出了若干待研究的问题．     

基于改进概率神经网络的交通标志图像识别方法

神经网络具有较强的容错性和自适应学习能力，在交通标志图像识别中获得广泛的应用，但目前采用的多层感知器、BP神经网络以及径向基神经网络等几种神经网络存在一些不足，故本文提出采用改进概率神经网络进行交通标志图像识别的新方法，整个算法分两步实现：首先对交通标志图像提取它的Tchebichef不变距并作为图像的特征；然后采用改进的概率神经网络进行识别。仿真实验表明，提出的方法比以前的方法有更好的识别效果。     

基于离散隐马尔科夫模型的语音识别技术

概述语音识别技术的基本原理,对当前三种主要识别技术--动态时间规整技术、隐含马尔科夫模型技术及人工神经网络技术进行比较,重点介绍基于离散隐马尔科夫模型(DHMM)的语音识别系统的实现.     

神经网络及其在股市预测中的应用

将BP神经网络和RBF神经网络应用于股市综合指数预测.预测结果表明,RBF网络计算量少,学习速度快,预测精度高.     

一种基于粗集理论的BP神经网络加速算法

应用粗糙集理论 ,对控制系统采样数据进行简化处理 ,构造一种新型神经网络结构 .提出一种误差反向传播BP(BackPropagation)神经网络加速算法 ,并将此算法应用于移动机器人的控制系统分析设计 .通过仿真结果的分析研究 ,验证了此算法在减少网络冗余 ,提高神经网络学习速度 ,提高网络实时控制能力等方面的良好的性能 .     

基于BPNN的非线性电阻网络故障诊断方法研究

针对非线性电阻网络，提出了一种规范式分段线性化求多值解，并采用BPNN对非线性电阻网络硬故障进行诊断的方法，克服了一般方法对非线性电阻网络硬故障诊断时易存在的漏诊问题。     

应用神经网络判别二部图的方法

本文应用Hopfield神经网络模拟方法对二部图进行判别。提出了邻域矩阵的概念。将任意的连通图输入至神经网络判别系统,输出该图的邻域矩阵,对应于系统能量函数取最小值的输出状态即为二部图邻域矩阵,同时得到该二部图的顶点划分;如能量函数非最小值,则判定该图不是二部图。该判别法的核心是构造一种广义的能量函数——Liapunov函数,使原来难以解决的问题找到新的解决途径。