赋权有向图最短路问题的新解法--前趋法

Dijkstra算法被公认为解决最短路问题的最好算法,但它的缺陷之一是不能解决存在负权的最短路问题.一种解决这类问题的新方法--前趋法可弥补Dijkstra算法的这一缺陷.实例表明、前趋法是一种解决存在负权的最短路问题的行之有效的简便算法.     

基于Takagi-Sugeno模型的模糊神经网络的学习算法

选用正态函数作为模糊变量的隶属函数 ,给出了基于Takagi_Sugeno模型的模糊神经网络的用于学习的性能指标 ,并对其性质进行了分析 .在此基础上将二阶段变半径随机搜索法用作模糊神经网络的学习算法 .这种方法简便易行 ,可使模糊神经网络达到较高的精度 .该文给出了神经网络记忆容量的定义并求出了基于TS模型的模糊神经网络的记忆容量 .     

高精度氢氮比控制系统

本文给出氢氮化系统动态数学模型,构造带中间部分状态的最佳线性预估算法,采用在线递推估计技术确定模型参数,设计适合大时间滞后系统控制的极点配置算法,以微型计算为控制单元,实现氢氮比系统控制.试验和运行结果表明,该系统的控制效果优于国内外同类系统.     

基于小波和非线性含输入自回归模型的系统辨识算法

提出了一种结合小波理论和非线性含输入自回归(NARX)模型的系统辨识新算法．该算法利用小波函数有效的逼近能力避免了应用NARX模型系统辨识时确定模型结构的复杂过程，消除了通常小波网络辨识算法由于输入变量之间可能存在巨大差别而引入的严重失真，构成了一个通用、有效、不依赖于系统先验信息的非线性辨识框架．两则数据仿真表明，对于高度非线性系统，该算法可使系统估计的均方误差减少60％以上．     

城市交通控制智能优化配时及仿真

城市交通系统是一个随机性很强的、复杂的巨型系统。开发了双层反馈神经网络，将其应用于城市交通控制信号配时优化，并开发了应用于优化计算的能量函数和车辆平均延误计算式。以广东江门市某平面交叉路口为对象进行了仿真计算，结果表明：与传统的配时方法相比，采用所开发的双层反馈神经网络进行智能优化配时，交叉路口车辆的平均延误可以平均减少18．2％，可以大大提高路口的通行效率。开发的双层反馈神经网络也可以应用于其他对象的优化，具有较强的推广应用价值。     

硫酸生产过程的计算机控制系统

介绍了具有３层结构（管理层、操作层、控制层）用２个通信网连接的分散式多微机控制、检测系统．计算机与工业现场之间信号传送及通信网均是全隔离型的．系统各层均可扩展，具有很强的通用性     

车辆运动模糊图象恢复的一种新方法

介绍了图象处理和分析的方法在交通监测中的应用,在状态空间运动模糊图象恢复方法的基础上提出了一种改进方法,实验结果表明该方法可以有效地恢复原图象．     

非线性系统的递推最小二乘自适应模糊控制

提出了一种可有效消除被控系统不确定性的自适应模糊控制方法．该方法采用模糊逻辑系统（FLS）来辨识系统的未知函数，并采用连续形式的递推最小二乘算法作为自适应律调节FLS权参数．该自适应律可保证FLS权参数稳定收敛，最终收敛至最佳值的一个很小邻域中，同时保证跟踪误差指数衰减趋于0．倒立摆仿真结果表明，采用该方法时，辨识的归一化平方误差小于2％，其相对跟踪误差较混合自适应控制方法减少了58％．     

三维输入向量CMAC神经网络连接权矩阵的计算

以矩阵理论为工具，提出了三维输入向量的ＣＭＡＣ 神经网络连接权矩阵的直接计算方法．应用该方法时不必迭代求解，经直接计算便可获得连接权矩阵，所确定的连接权矩阵可使ＣＭＡＣ神经网络实现对样本的记忆     

类模糊神经网络与非线性系统的在线控制

以实现非线性动态系统的在线控制为目的,提出了一种具有隐层数少、运算简便和逼近能力强等优点的神经网络－类模糊神经网络,并就非线性动态系统的在线控制给出了基于类模糊神经网络控制的选择记忆算法,使谤类非线性系统的在线控制问题得以解决。