小波变换与神经网络结合用于示波计时电位测定

首次将具有数据压缩功能的小波变换与神经网络相结合用于Pb^2 等金属离子的示波测定，与反弹传播神经网络、小波神经网络相比，本方法具有更高的预测精度和更少的收敛迭代次数。这一方面是因为使用经小波压缩后的信号作为神经网络的输入，压缩后的信号不仅提取了原信号中的特征信息，而且使内络输入的数据点数大幅度,大大提高了网络的运算速度。另一方面，由于选用了较高次分解所得的高频部分作为网络输入，从而即使在原始信号中含有较高的噪音时也能获得较高的预测准确度，因此，将具有压缩功能的小波变换与神经网络相结合的方法必将得到广泛的应用。     

遗传小波神经网络用于极谱信号的滤噪

将遗传算法的全局搜索能力与小波神经网络的强拟合与容错能力相结合,构造了遗传小波神经网络。对模拟和极谱信号处理的结果表明:由于该网络使用遗传算法优化了神经网络的参数,从而避免了网络陷入局部最小和选择网络参数时的人工参与,能够有效地进行滤噪和数据压缩,使神经网络用于化学信号处理的智能化程度得以提高。