人工神经网络应用于光谱分析：校正与辨识

将人工神经网络（ＡＮＮ）用于光谱分析校正与定量分辨中，采用三层节点模型和反向传播学习算法对模拟与实测数据处理结果表明，人工神经网络对光谱分析校正与定量辨识是可行的。从页为光谱辨识与多元校正提供了一条新途径。     

基于神经网络的多变量自适应控制器

利用神经网络对非线性映射的逼近能力，通过采用一步超前预测控制性能指标及网络模型局部线性化的思想，给出了一个显式的控制律和相应的自适应控制算法，仿真结果表明了该控制算法的有效性。     

减少基4FFT算法运算量的措施

推导出计算正序输入ＤＩＦ基４Ｓａｎｄｅ—ＴｕｋｅｅＦＦＴ算法旋转因子指数公因子ｐ的一种简单方法．给出大幅度减少该算法处理程序运算量的几项有效措施．     

循环阵求逆的一种算法

提出了循环阵求的逆的一种算法，当循环阵非奇时，该算法求循环阵的逆，循环阵奇异时，该算法求循环阵的广义逆。     

超立方体的3－独立集及其在神经联想存储器中的应用

用Ｉ３（ｎ）表示ｎ－立方体Ｑｎ的３－独立数。提出了构造Ｑｎ的３－独立集的一个算法，证明了２ｎ－［ｌｏｇ２ｎ］－１≤Ｉ３（ｎ）≤［２ｎ／（ｎ＋１）］．这些结果被应用于神经联想存储器的设计．     

动态测试数据自动处理方法

提出成立动态测试数据自动处理方案，首先通过两次移动平均及相应的统计检验，自动初辨数据属于平衡型、一阶非平衡型或二阶非平衡型，同时用移动回归外推法自动剔除异常数据，并用ＲＰＥ－ＫＦ自适应滤波法抑制测试随机误差。然后按初辨结果自动选定加权逐步回归或／与时序模型特征根判别的混合谱分析法及其算法参数。提取数据中的非周期或／与周期成分，并用移动Ｍａｒｐｌｅ算法拟合随机成分的时变ＡＲ模型，估计其统计特征量。已     

线性群及其子群阶的一种性质

利用有限域上向量空间对于它的线性变换的循环子空间分解的性质，给出了线性群ＧＬ（ｎ，Ｆｑ）的阶与它的某个有限于群的阶之间的关系：设在Ｆｑ上不可约，ｑ＝ｐ￣ｍ，ｐ＿１（≠ｐ）是素数，如果ｐ１｜｜Ｇ｜，则ｎ≥ｐ＿１－１；如果　　　则，２≥２ｐ＿１－２。     

一种训练神经网络的新型遗传算法

针对神经网络中具有大量的相似解，提出了一种规范化方法，大大地减少了神经网络中解的数目，然后，给出了多种不同的算子，通过对简单网络问题的实验，比较了它们的优劣，得出了一个新型的遗传算法ＮＧＡ。实验表明，ＮＧＡ比用传统的ＧＡ训练神经网络效果要优。     

一种基于模型逼近度的变步长BP算法

从步长选择的角度出发，提出了一个基于模型逼近度的变步长ＢＰ神经网络学习算法。数值结果表明该算法具有良好的收敛速度。     

A mixture likelihood approach for generalized linear models

A mixture model approach is developed that simultaneously estimates the posterior membership probabilities of observations to a number of unobservable groups or latent classes, and the parameters of a generalized linear model which relates the observations, distributed according to some member of the exponential family, to a set of specified covariates within each Class. We demonstrate how this approach handles many of the existing latent class regression procedures as special cases, as well as a host of other parametric specifications in the exponential family heretofore not mentioned in the latent class literature. As such we generalize the McCullagh and Nelder approach to a latent class framework. The parameters are estimated using maximum likelihood, and an EM algorithm for estimation is provided. A Monte Carlo study of the performance of the algorithm for several distributions is provided, and the model is illustrated in two empirical applications.