基于细胞神经网的快速图像分割方法

细胞神经网(CNN)是一种局部互联的非线性并行模拟视觉处理系统,具有适合硬件实现处理速度快的优点.首先利用CNN-PDE非线性异质扩散滤波对图像作预处理,随后给出了一种基于CNN的图像分割方法.分割试验结果及仿真时间估计表明,CNN分割方法能以非常快的速度完成相应处理,是高效可行的.     

一种离散时间系统的变结构控制方法

针对离散时间系统 ,讨论了利用离散趋近律设计变结构控制问题 ,分析了趋近律系数造成系统颤振的原因 ,给出改进的离散趋近律 ,并利用它设计变结构控制 .仿真结果表明 ,该方法是可行的 ,减少了系统的颤振 ,保证了闭环系统的渐近稳定性     

一种离散时间直接自适应控制算法

应用给出的离散时间直接自适应控制算法改进了离散简单自适应控制的一些缺陷，能够在计算控制律不违反因果律的条件下，使被控对象的输出直接跟踪理想参考模型输出．应用Lyapunov函数和正实引理证明了算法的收敛性，并通过仿真研究说明了算法的有效性和可行性．     

离散时间最优控制问题的一种神经网络新解法

根据人工神经网络理论提出了一种处理最优控制问题的最新思想，即由每一采要时刻系统的输入和响应，快速训练产生一模型网络，并由ＬＱＲ理论直接构造最优反馈策略，和以往研究不同，这里不需要任何离线学习，因而避免了收集离线学习所需数据的困难，可以实现时控制，充分体现了智能控制的特点。     

离散时间非线性系统的一种新型状态观测器

该文通过建立离散时间非线性系统的状态估计与超定非线性方程组求解之间的联系,基于高斯－牛顿算法,得到了离散时间非线性系统的一种新型状态观测器,证明了该观测器的局部收敛性,并给出了仿真结果。     

一种时间自动机时钟离散化算法

稠密时间自动机被广泛应用于实时系统自动验证.然而其在补操作下不封闭,因而导致多种线性实时性质不可验证.离散时间自动机虽不存在此问题,但该模型表达能力偏弱.因此,提出了一种时间自动机时钟离散化算法,结合时钟物理约束因素,证明了新方法可有效解决上述问题.     

MIMO离散时间非线性系统的控制设计方法

提出MIMO离散时间严格反馈非线性系统的一种控制设计方法,首先,将非匹配离散时间严格反馈非线性系统变换为匹配离散时间严格反馈非线性系统,然后再对变换后的系统进行反馈性化设计。最后给出仿真算例。     

MlMO离散时间非线性系统的控制设计方法

提出MIMO离散时间严格反馈非线性系统的一种控制设计方法。首先,将非匹配离散时间严格反馈非线性系统变换为匹配离散时间严格反馈非线性系统,然后再对变换后的系统进行反馈线性化设计。最后给出仿真算例。     

一种新的快速离散余弦变换算法

提出一种快速的离散余弦变换（ＤＣＴ）算法。由于计算机中整数运算远快于浮点运算，所以ＤＣＴ算法采用整数运算，并且通过矩阵变换来减少乘加次数，提出了运算速度。本算法用于我们开发的ＪＰＥＧ图像编码算法上，取得了满意的效果。     

一种时间离散的随机多址通信系统的算法

在总线网络中,每个站点都能独立地决定帧的发送,若两个或多个站同时发送帧,就会产生冲突,导致所发送的帧都出错。因此,一个用户发送信息成功与否,在很大程度上取决于监测总线是否空闲的算法,以及当两个不同节点同时发送的分组发生冲突后所使用的中断传输的方法。介绍一种基于时间离散的随机多址通信系统的算法,能够准确地计算出用户发送信息的成功率、信道的空闲率和信息发生冲突的碰撞率。     

细胞神经网络生物视觉信息处理模型

分析了连续细胞神经网络,离散细胞神经网络和时滞细胞神经网络的数学模型和在图像处理方面的特点.根据人类视觉的产生机制,提出了一种由多个细胞神经网络组成的生物视觉信息处理模型.该模型充分利用了细胞神经网络的并行处理能力,具有快速性.本工作可作为机器人仿人视觉与视觉信息处理的研究基础.     

时间延迟细胞神经网络及其稳定性充分条件

ＤＣＮＮ是一种具有神经元时间延迟τ的细胞神经网络模型．通过Ｌｙａｐｕｎｏｖ能量函数的构造和分析给出一个判定ＤＣＮＮ稳定性的充分条件．这一结果改进了Ｐ．Ｐ．Ｃｉｖａｌｅｒｉ等给出的τ上界；给出了以充分性判定ＤＣＮＮ稳定的最优τ上界     

具变时滞细胞神经网络的指数稳定性与正周期解

利用Lyapunov函数研究具变时滞细胞神经网络的指数稳定性，获得新的判据，利用重合度理论得到了该神经网络正周期解存在的充分条件．     

基于直方图的脉冲耦合神经网络(PCNN)多门限图像分割方法

参考了Eckhom等人近几年提出的脉冲耦合神经网络(Pulse Coupled Neuml Network)模型,结合灰度直方图分割技术,提出了一种新的多门限图像分割方法-基于直方图的脉冲耦合神经网络(PCNN),PCNN模型具有弥补时隙和空隙的特点,因此应用这一网络模型进行图像分割,可以得到较完整的区域边角信息,从而达到理想的分割效果．经实验证明,本文提出的方法较原来的PCNN网络,运算速度和分割效果都有了很大提高。     

时滞Hopfield神经网络的稳定性研究

本文讨论了具有离散时滞和具有连续分布时滞的Hopfield 神经网络微分系统平衡点的全局渐近稳定性.去掉了有关文献中关于fi在R上有界性,可微性的条件,给出了更弱、实用性较强的判定平衡点的存在唯一性及全局渐近稳定性的条件.     

基于神经网络的股市预测

本文研究了基于神经网络的股票预测方法．针对目前存在的问题,提出了联合Davidon最小二乘算法及遗传算法来综合训练网络结构和权值的新方法．经对上证指数的模拟预测表明,通过合理地选取参数,可获得满意的预测效果．     

一种PNN网络的EM训练算法

提出一种概率神经网络（ＰＮＮ）的ＥＭ（ＥｘｐｅｃｔａｔｉｏｎＭａｘｉｍｉｚａｔｉｏｎ）训练算法．ＰＮＮ网为一四层前馈网,它构成一个贝叶斯分类器,实现多类分类的贝叶斯判别,它把输入的样本模式,经网络变换为输出的分类判决．其网络节点对应于贝叶斯后验概率公式的各个变量．此ＰＮＮ网络用高斯核的Ｐａｒｚｅｎ窗函数作为核密度函数,网络参数训练由ＥＭ算法实现,其学习方式为类间的监督学习和类内的非监督学习．实验表明了此网络及其学习算法在分类应用中的有效性．