提高RBF网络推广能力的一种新方法

用ＲＢＦ网络为非线性映建模，其学习算法对应于求解线性问题，因而学习速度快。然而在样本数据含有加性噪声的情况下，拟合函数会出现迅速振荡，使推广能力受取限制。     

多层前馈神经网络隐单元数目上界的证明

研究前馈神经网络隐单元数目的上蜀和如何利用样本集的特性减少所需的隐单元个数。利用Ｓｉｇｍｏｉｄ函数的两端极限特性,使每个隐单元表示１～２个样本。在样本集具有局部单调性的情况下,可以用有〖（ｐ－１）／２〗个隐单元的３层前馈神经网络以任意小的误差表示ｐ个目标值。对一般的样本集,所需的隐单元数为〖（ｐ－１）／２〗～（ｐ－１）个。     

一种基于因素贡献率的自适应前馈网络算法

前馈网络具有很强的信息处理能力，但是实际应用中的样本量有限，训练出来的网络效果不太理想，本文提出一种自适应前馈网络算法，通过调节参数α向量，使网络结构按精确度和推广能力来综合考虑，若训练出来的网络满足先决条件，就认为网络规模是合适的，此算法不仅能删除隐层中的节点也能删掉输入层中若干总贡献率小的节点，从而避免了维数灾难，并给出一种调整剩余权重的算法，避免重新训练，文中讨论了网络结构的重要性，并用该方法进行仿真实验，结果证明了自适应前馈网络算法具有较强的建模能力。     

基于子空间分析的前馈神经网络隐层评测方法

针对最佳平方逼近3层前馈神经网络模型,采用子空间分析方法,讨论了隐单元的误差补偿性能,提出了隐层评测方法.研究结果表明隐单元选取策略应遵循其输出向量有效分量位于误差空间、回避耗损空间和尽可能靠近某一能量空间的原则,这一结果与隐单元采用什么激发函数无关,也允许各隐单元采用不同激发函数.网络的隐层性能评价可以通过隐层品质因子、隐层有效系数、隐单元剩余度来进行,而总体结果可采用隐层评价因子进行评测.评测实验表明,所提出的隐层评测方法是合理有效的.图1,表1,参11.     

前馈神经网络的容错性研究

以前馈神经网络为研究对象，提出了一种容错型神经网络学习算法，将系统运行过程中可能发生的各类故障随机地引入网络训练过程，使系统获得更加稳健的内部表示。仿真结果表明，该学习算法能够有效地提高神经网络的容错能力和泛化能力。     

一种优化多层前馈神经网络中隐节点数的算法

多层神经元网络中隐含层的层数及其每一层的神经元数的多寡，至今仍无法用一个解析式精确求得，提出了一种基于黄金分割法的算法，用于求解三层前馈神经网络中的隐层节点数，所得结果有助于提高三层前馈神经网络整体品质。仿真结果表明该算法能较快地找到较优的隐层节点数。     

Sigmoid传输函数与三层前馈神经网络的映射能力

对于具有n个隐含单元的三层前馈神经网络,证明了隐含层的Sigmoid传输函数可以把输入层数据的维数提升到n维,这意味着有n个隐神经元的前馈三层神经网络具有把低维空间映射到高维空间的能力。     

前馈神经网络的容错性研究

以前馈神经网络为研究对象,提出了一种容错型神经网络学习算法．将系统运行过程中可能发生的各类故障随机地引入网络训练过程,使系统获得更加稳健的内部表示．仿真结果表明,该学习算法能够有效地提高神经网络的容错能力和泛化能力．     

BP神经网络结点数选取的改进方法及其应用

提出一种改进的隐含层神经元个数的选取方法.该方法基于隐含层神经元输出之间的相关关系,估计隐含层结点数,把隐含层结点的改进算法用于物种选取的实例中,通过MATLAB编程实现,并与回归分析做出的结果进行比较.结果表明,该方法对建立BP神经网络结构有一定的借鉴作用.     

使用最小二乘法减少神经网络的隐单元

提出新的逐步减少神经元个数并保持神经网络性能的方法,每一步中利用提出的规则之一选择消去的单元,然后求解一个线性最小二乘问题调整网络中部分剩余权值,使简化网络的输入－输出关系在训练集上尽量保持不变,该方法可以得到比已有的启发式方法规模更小,但性能相近的网络,用反映国内生产总值与外贸总输出和总输入之间关系的例子说明了方法的有效性。     

多层神经网络的软件工具设计与应用

本文介绍多层神经网络模型及其改进型反向传播算法,提出了运用Turbo-C语言实现其软件工具的设计原理和方法,并经实例验证是可行的,为用户提供了一种开发多层神经网络应用的通用性软件工具CSBP。     

埋弧自动焊规范参数与焊缝尺寸关系的研究

利用二次回归正交组合设计方法对埋弧自动焊的规范参数与焊缝尺寸的关系进行了实验研究，并建立了二者之间的数学模型，对于实际 生产有重要的指导作用。     

人工神经网络在控制中的应用及发展前景

通过对人工神经网络的历史与现状的分析，指出人工神经网络具有强大的生命力和应用前景，特别是在解决复杂控制问题方面具有五大优势．总结了人工神经网络在控制领域的主要应用实践，并对其发展前景和存在的问题进行了探讨．     

集成专家系统和神经网络的煤矿水害预测系统

首次提出了一种混合使用专家系统和神经网络的煤矿水害预测系统的形式定义和基本系统结构，知识表示方法以及推理机制，并对已在微机上实现的系统作了详细论述。实验及试运行结果表明，文中提出的模型充分发挥了专家系统和神经网络各自的长处，因而是实用，合理的，以此模型为基础构造的预测系统具有知识获取方便，预测准确度高，速度快，使用简单，便于推广的特点，为防止矿坑突水灾害事故的发生提供了一种有效的手段。     

唐山奶山羊随机扩增多态DNA与体重体尺相关性研究

利用１２种随机引物研究了唐山奶山羊的随机扩增多态ＤＮＡ,并利用ＳＰＳＳ程序对多态标记进行了方差分析。结果表明,唐山奶山羊基因组ＤＮＡ多态频率为５１．９２％。多态标记Ｋ０２Ａ、Ｋ０３Ａ、Ｑ０５Ｃ、Ｑ１４Ｄ及其互作效应对体重和体尺有显著影响。     

小波神经网络的研究及其展望

小波分析与神经网络结合的研究 ,已成为近些年来信号处理学科的热点之一。小波分析具有良好的时频局部性质 ,而神经网络具有自学习功能和良好的容错能力 ,将二者结合必具有强大的优势。本文对小波网络的结构形式 ,学习算法及其应用进行综述 ,并就其存在的一些问题及其发展趋势进行了探讨。     

润滑油膜防护性能与润滑添加剂分子间相互作用能的关系研究

从吸附分子间侧向相互作用出发，基于Ｔｅｍｋｉｎ吸附等温式，运用统计热力学方法，提出了摩尔吸附分子间相互作用能的概念及求解方法，分析了吸附分子相互作用对油膜极化电阻（或油膜防护性能）的影响，并通过实验和理论计算考察了常用润滑添加剂的最大油膜极化电阻和摩尔吸附分子间相互作用能．研究表明：添加剂摩尔吸附分子间相互作用能越小，则含该添加剂油膜的油膜极化电阻越大，油膜对金属腐蚀的防护性能越好．图２，表１，参８．     

高阶神经网络与太阳黑子序列

一阶神经网络的函数逼近理论虽已研究得相当深入,但对高阶神经网络在这方面的研究却报道甚少.本文给出了高阶神经网络的逼近理论.其具体内容是:如果网络的激励函数σ∈C~∞不是一个多项式,那么高阶神经网络能够以任意精度逼近任意定义在紧集上的连续函数.根据这个理论,可知稀疏或部分连接的高阶神经网络象全连接的网络一样能够逼近任意连续函数.基于此观点,我们设计了一个稀疏连接的高阶网络和另一个具有相同数目连接权的一阶神经网络,并把它们应用于太阳黑子序列进行逼近和预测.模拟实验结果表明,不论在收敛速度还是在推广能力方面,稀疏连接的高阶神经网络都优于一阶神经网络.