基于混合特征提取的手写体数字识别方法的研究

文章对用ＢＰ神经网络实现手写体数字的识别进行了研究，提出混合特征提取的方法，提高了特征提取的效率和识别率，对一些不能识别的样本做了分析和研究，采取在样本集中增加相近样本的方法改善神经网络对这些样本的识别效果。     

运用神经网络识别丝氨酸水解酶活性中心

本文运用Ｂａｃｋ－Ｐｒｏｐａｇａｔｉｏｎ神经网络模型，以空间关系和物化性质作为特征描述，对丝氨酸水解酶进行了活性中心（ＳＥＲ－ＨＩＳ－ＡＳＰ）识别，以１７个蛋白作为训练组，识别组选取了２个蛋白（１ｓ０２，１ｃｓｅ）识别结果均达唯一解。本     

一种用于快速分类问题的神经网络学习算法

对传统的ＢＰ算法进行了改进，提出了基于二阶导数的ＢＰ算法，大大减少了样本训练的迭代数，从而提高了网络运算速度，对异或问题和蜢虫分类问题的计算，取得了满意的效果。     

利用超声回波识别分层介质结构

研究了利用ＢＰ神经网络进行分层介质结构超声识别的方法。应用理论模型分析了不同分层介质结构的回波，研究了用ＢＰ神经网络进行介质结构识别的算法与性能，结果表明它具有良好的识别效果，实际分层介质结构的正确识别率在９０％以上。     

利用超声回波识别分层介质结构

研究了利用ＢＰ神经网络进行分层介质结构超声识别的方法。应用理论模型分析了不同分层介质结构的回波，研究了用ＢＰ神经网络进行介质结构识别的算法与性能，结果表明它具有良好的识别效果，实际分层介质结构的正确识别率在９０％以上。     

焊接热影响区性能的神经网络预测模型

针对四类２４种钢材，将其化学成分和ｔ８／５性能的数据作为样本，构造学习空间，建立了一种新的预测方法ＢＰ网络预测模型，并讨论了网络参数对网络收敛速度及误差函数的影响     

一种模糊计算的多层前向神经网络—FCBP

提出的ＦＣＢＰ算法克服了ＢＰ算法对样本的敏感性，减少了输入点数，减轻了输入层的负担，用于模糊推理及模式识别中就更显其优越性。     

用自组织神经网络自动识别岩相

ＢＰ神经网络技术以及其强大的学习能力已广泛应用于许多领域，取得了很好效果，但当不具备已知样本时，该技术很难应用，本文采用改进的自组织神经网络，对测井资料进行自动岩相识别，并在松辽盆地进行了实际应用。通过与已知资料对比证实该方法是一种有效的岩石自动识别方法，具有良好的应用前景。     

基于 BP 网络的二维不变性目标识别

为识别坦克等较复杂的目标，描述了一种神经网络分类方法；利用傅立叶描述器提取目标的形状特征，它具有不变性特性；利用多层ＢＰ网络进行分类。讨论了网络结构及模拟实验结果，认为ＢＰ网络对２Ｄ不变性目标识别具有良好的鲁棒性；它的分类结果优于传统的近邻域分类器     

基于模糊隶属函数和BP网络的脑障碍诊断

给出了用对照组和肝性脑病组的连续反应时间（ＣＲＴ）特征值构成模糊隶属度函数，用它对脑ＣＲＴ数据预处理，然后用ＢＰ神经网络分类、诊断脑功能障碍。解决了样本固有的模糊性扩大样本和输入数据分散时ＢＰ网络训练精度差、速度低的问题。     

旋转机械工况辨识的模糊神经网络方法

本文介绍了一种模糊神经网络分类器，针对其在旋转机械工况辨识中的应用，论述了网络的输入和输出模糊化问题，文中就旋转机械中几种典型的故障模式采用模糊神经网络进行了识别，并与传统的ＢＰ网络进行了比较，研究结果表明，模糊神经网络方法应用于旋转机械工况识别是有效的，它比传统ＢＰ网络更适合于处理分类边界模糊的数据。     

一种用于快速分类问题的神经网络学习算法

对传统的ＢＰ算法进行了改进,提出了基于二阶导数的ＢＰ算法,大大减少了样本训练的迭代次数,从而提高了网络运算速度．对异或问题和蜢虫分类问题的计算,取得了满意的效果．     

应用人工神经网络识别试井解释模型

对不同的试井解释模型，把压力导数曲线作为训练样本，应用ＢＰ网络进行训练，训练后的网络能根据现场的实际试井数据识别试井解释模型．本文用模拟的数据、不完整的数据、有噪声的数据和一个现场试井数据对这个ＢＰ网络进行了测试．结果表明人工神经网络能够正确地识别试井解释模型，也能识别不完整的、有噪声的数据．人工神经网络技术有效地改进了目前在试井解释模型中广泛采用的模式识别方法，是一个非常值得推广和使用的技术     

稳健逆传播算法用于预测混合物辛烷值和表面张力

采用中位数对训练过程中个别样本的训练残差进行了剪裁,消除奇异点或数据污染点的影响,从而使得训练模型更真实,泛化能力更强。改造后的算法称为稳健逆传播算法（ＲＢＰ）,将这种算法用于推测混合物的辛烷值和表面张力,并与ＢＰ算法进行了比较,证明改造后的ＲＢＰ算法在泛化能力方面优于传统ＢＰ算法。     

BP算法中样本特性及参数α，β两阶段动态调整

从样本特性和参数调整出发，提出了三种改进的ＢＰ算法，并在ＸＯＲ等问题上进行了检验。     

一种遗传神经网络及其在岩性识别中的应用

针对ＢＰ网络存在易陷入局部极小和收敛速度慢的问题,本文根据遗传算法的特长,在网络学习算法中使用遗传算法,克服了上述弊端,在岩性识别的样本学习中,取得了较好的结果。     

多层神经网络BP算法的改进

多层神经网络ＢＰ算法的改进姚瑞波孙国雄汤崇熙（东南大学机械工程系，南京２１００１８）目前，前馈型多层神经网络模型已广泛应用于模式识别、语音识别、数据压缩等领域．ＢＰ算法作为其学习方式有效地解决了ＸＯＲ、Ｔ－Ｃ匹配问题，但ＢＰ网络的学习过程是对一个高...     

复极性固定床电解槽对水溶性染料的电解脱色研究

就复极性固定床电解槽（ＢＰＢＣ）对水溶性染料的电解脱色进行了较系统的实验研究。结果表明，ＢＰＢＣ通过电氧化还原作用可以破坏偶氮、蒽醌、三芳甲烷、杂蒽类、酞菁和金属络合各类染料分子结构中的发色共轭体系，而使染料降解脱色；ＢＰＢＣ电解可去除酞菁染料和金属络合染料分子结构中的螯合态重金属（铜或铬）；ＢＰＢＣ电解还具有脱氮作用；染料的分子结构及其空间构型对其电解行为有影响。     

一种局域连接前向人工神经网络结构的研究

双隐层标准前馈（ＢＰ）网络只要其隐层节点数足够多就能解决任何形式的分类问题．应用标准（ＢＰ）网络识别多模式类分类问题时存在以下缺陷：（１）对不同模式类均使用相同数目的隐层元；（２）增加新模式类后，网络要重新学习；（３）网络识别的机理研究困难．笔者提出了一种局域连接前馈神经网络（ＬＣＮＮ）结构，其隐层神经元与输出神经元之间为局域连接，学习算法与ＢＰ算法类似．ＬＣＮＮ具有以下特点：（１）便于自构网络结构，提高网络的推广能力；（２）便于提取各模式类的不变特性；（３）具有较强的记忆能力，便于实现追加学习．以五种海底沉积层介质类型的分类识别为例，分别利用标准前馈（ＢＰ）网络与ＬＣＮＮ网络进行分类识别，结果表明：ＬＣＮＮ便于自构网络结构，具有追加学习的能力．     

关于带无条件基Banach空间的一个性质

称一个带无条件基｛ｘｎ｝的Ｂａｎａｃｈ空间有性质Ｐ，如果｛ｘｎ｝的每一有界块基序列都张成Ｘ的可补子空间。本文说明并非每一带无条件基的Ｂａｎａｃｈ空间都有性质Ｐ。但是，性质Ｐ也非经典序列空间所特有，希里森空间是另一典型例子。还讨论了性质Ｐ关于空间分块取ｌｐ－直和后的“遗传”现象。