人工神经网络的硬件实现——A/D转换电路

本文阐述4位A/D转换器的基本原理及其在硬件实现中的主要技术问题.给出了从Hopfield的原理电路逐步演化成实际电子电路的设计过程,讨论了如何保证各个神经元在最佳状态下进行翻转,从而获得可靠、准确的输入-输出特性.同时指出了在计算机仿真中人们难以发现的极限环现象及其消除方法.     

离散时间细胞神经网络中的分岔和混沌

研究了离散时间细胞神经网络（ＤＴＣＮＮ）中的分岔和混沌,ＤＴＣＮＮ中的细胞与连续时间ＣＮＮ中的细胞相似,具有局部耦合,其输出方程是罗切斯蒂方程。分别讨论了２种结构（有边界和无边界）的ＤＴＣＮＮ的混沌特性,ＤＴＣＮＮ的混沌与全局耦合系统一的混沌相似,但由于其局部耦合的结构,其混沌与后者有所不同。提出了有关分岔与混沌的一些有兴趣的理论问题和实际问题．     

人工细胞神经网络(CNN)的硬件实现

本文主要研究用集成运放实现人工细胞神经网络(CNN)的问题,改进了由L.O.Chua(蔡少棠)提出的单细胞人工CNN电路。从巳实现的4×4CNN电路及CNN连通片检测电路看,其性能达到了预期要求。     

非对称参数细胞神经网络中的混沌与分叉

研究了由３个细胞组成的细胞神经网络中的混沌与分叉现象。主要讨论细胞神经网络中的一类特殊奇异吸引子，它由两个稳定平衡点和一个不稳定平衡点（鞍点）及其流形形成。通过取不同的初始值，可以在同一组参数下获得３种不同的相轨线图，也可观察到一个不稳定极限环的存在。通过调整系统的参数，还可获得类似于蔡氏电路的奇异吸引子序列     

谱分析的神经网络方法──局部零残差法

提出了一种神经网络ＡＲ（自适应递归）参量估计的新方法──局部零残差法。利用所建立的神经网络的明确收敛性，在每一个数据到来后获得一组ＡＲ参量的零残差解，这时ＡＲ参量的特性是与时间序列的噪声相关的随机过程，最终的ＡＲ参量值为全部数据通过神经网络预测误差滤波器后，对各点获得的ＡＲ参量解的求和平均。由此，ＡＲ参量值确定的最大熵谱具有很好的稳定性，且谱的分辨率和精度是与滤波器的长度成正比，这给最佳滤波器的选择保留了充分的灵活性。另外，利用神经网络并行快速的特性，可用该系统进行实时谱分析。