产生式系统与神经元网络的结合

提出了产生式系统和神经元网络相结合的方法,研究了从推理网络转换到神经元网络的途径,研究了从神经元网络权矩阵转换到产生式规则的方法,从而使产生式系统能自动修正规则和获取规则.还提出了一种由二次型阈值元件组成的神经元网络,给出了它的学习算法,并严格证明了它的收敛性.     

用学习和搜索方法从神经元网络中抽取知识

针对训练好的神经元网络进行解释这一难以解决的问题，提出了一种从神经元网络中抽取规则的新的抽取方法——二阶段法，从隐含层到输出层，利用学习方法从整个隐含激励空间中抽取出有效区域，形成规则；从输入层到隐含层，利用搜索方法，通过分析其间的权值关系抽取出规则，使得所有被这些规则覆盖的实例所产生的隐含激励向量均位于上述有效区域内。实验证明了此方法产生的规则比Ｃ４．５产生的规则的抗干扰力强，同时其可信度比传统的基于搜索的抽取方法——ＫＴ算法要高。     

一种产生式系统的扩展方法

产生式系统是一种应用广泛的知识表示和知识推理方法，但具有大规模规则库的产生式系统，其知识的组织与管理越来越困难，推理效率也越低。该文采用关系模式表达知识，利用关系数据库技术，提出了一种行之有效的方法，适合大规模产生式系统的设计。     

控制产生式系统

提高产生式系统中控制策略的灵活性和高效性,一直是诸多专家、学者致力研究的一个课题。本文提出了把控制部分从产生式系统中分离出来,作为一框架加入到产生式系统结构中去的一种思想方法,并对其进行了形式化描述,最后分析了由此产生的控制产生式系统的特性。     

“基因算法”在人工神经元网络中的应用

在使用著名的ＢＰ算法来训练一个多层毅向神经网络时，首先要确定这个神经元网络的主结构以及网络的各种初始化参数，但拓扑结构和各种参数的确定到目前为止还无确定的规则可寻。本研究将基因算法引入人工神经元网络。通过它来自动确定神经元网络的拓扑结构以及具体参数，并给出了基因算法在神经元网络应用中的具体实现。     

一类模糊神经元网络控制器及其仿真

针对复杂性非性系统的模糊神经元网络方法控制中，模糊子集合的划分、隶属函数和推理规则的拟定问题进行了研讨，并以此设计了一类模糊神经元网络控制器，给出了学习算法和仿真研究结果。     

基于模糊Petri网络的分布式知识表示方法

从模糊产生式系统出发，引入模糊Ｐｅｔｒｉ络（ＦＰＮ）的定义，进而给出了模糊产生式规则的各类型的ＦＰＮ表示模型，在此基础上提出了一种基于ＦＰＮ的交互式推理方法。该方法为模糊知识的表示提供了一种有效方法。     

非线性方程组的一种神经元网络解法

本文从最优化原理出发,提出了一种适合于非线性方程组求解的神经元网络方法,把它应用到AR和MA模型参数估计中,取得了满意的结果.由于该方法采用了自适应变权连续Hopfield神经元网络,具有速度快、精度高等特点.     

基于神经元网络的不确定性规则的获取

讨论了不确定性规则的知识系统同神经元网络相结合的问题;提出了适合处理不确定性规则的负梯度学习算法,使不确定性规则能方便地转换成神经元网络的权矩阵;研究了如何利用神经元网络的生成能力来获取新的不确定性规则,使知识系统具有知识自动获取能力,并使原有规则系统的脆弱性得以改善.     

基于模糊Petri网络的分布式知识表示方法

从模糊产生式系统出发，引入模糊Ｐｅｔｒｉ网络（ＦＰＮ）的定义，进而给出了模糊产生式规则的各类型的ＦＰＮ表示模型．在此基础上提出了一种基于ＦＰＮ的交互式推理方法．该方法为模糊知识的表示提供了一种有效方法．     

旋转机械故障诊断从产生式系统到神经网络的应用

旋转机械的大多数邦联主要由振动信息反映出来，所以可以依据振动信息采用产生式系统进行故障诊断。但产生式系统在规则库的管理维护、推理效率等方面存在很多缺点和困难，模糊数学方法和神经网络的应用可以较好地解决。     

多级神经元网络A／D转换及其级联实现

在对利用神经元网络实现Ａ／Ｄ转换的几种方法进行模拟分析的基础上，引入多级神经元的概念．采用下三角权连接结构，提出具有下三角权连接结构的多级神经元网络．对４ｂｉｔＡ／Ｄ转换进行了计算机模拟，效果良好．模拟结果表明，既有效地克服了迟滞现象，又减少了神经元和连接权的数量．在进行高比特转换时，采用级联实现可简化设计方法，便于推广和大规模集成应用．     

用FUZZY规则加速BP网络的收敛速度

本文提出了一种用ＫＵＺＺＹ规则修正ＢＰ神经元网络的学习步长的方法，计算结果表明本文提出的方法在加速ＢＰ网络收敛速度方面是行之有效的。     

基于Petri网的知识表示

介绍一种基于Ｐｅｔｒｉ网的知识表示方法。在引入Ｐｅｔｒｉ网的基本知识后，详细讨论了Ｐｅｔｒｉ网表示产生式系统及基于Ｈｏｒｎ逻辑子句的Ｐｅｔｒｉ网表示，提出了用库所表示产生式谓词，用变迁表示规则的Ｐｅｔｒｉ模型。最后讨论了将Ｐｅｔｒｉ网应用于ＯＯＡ（面向对象分析）模型的研究，从而提出一个基于Ｐｅｔｒｉ网的ＯＯＡ模型     

应用Matlab设计人工神经元网络控制系统

在简要介绍Matlab5.3软件的基础上，结合它的神经网络工具箱，阐述了在Matlab软件中利用神经元网络工具箱（Neural Network Toolbox)和Simulink平台建立人工神经元网络模型以及实现人工神经元网络控制系统的设计、仿真和动态性能分析的方法，并以倒立摆控制系统为例进行了仿真研究。文中的具体实例表明，在人工神经元网络及其应用研究中使用Matlab可以提高研究效率，快速实现研究构想，有助于科学研究工作的开展。     

类似CMAC的模糊神经网络及其在控制中的应用

提出的一种模糊神经元网络是模糊逻辑的一种网络结构的实现。该网络由特征网络 和功能网络两部分组成。特征网络用来产生模糊规则的前件，相应于每条规则的适用度。功能 网络用来实现模糊规则的后件。最后的输出则为各模糊规则后件的加权和。该网络具有小脑模 型关节控制器（ＣＭＡＣ）的一些性质，具有神经元网络和模糊逻辑两者的优点。它既可以容易地 表示模糊和定性的知识，又具有较好的学习能力。文章同时给出了网络在控制中应用的两种实 现结构以及用作非线性映射的一个算例。     

权重对模糊规则泛化能力的影响

在模糊产生式系统中,产生式规则的前件的所有子命题、知识库中所有的规则被假定具有相同的重要性,使得其知识表示能力有严重的缺陷.为了提高模糊产生式规则的知识表示能力和泛化能力,在模糊产生式规则中引入整体权、局部权、阈值等知识表示参数,视加权模糊规则中的权重、阈值等为可调的知识表示参数,研究了权重与加权模糊规则的泛化能力之间的关系.通过模拟实验,验证了通过调整、优化权重,能够提高产生式系统的泛化能力.     

一种基于MDA的UML顺序图到状态图的转换方法

MDA(model driven architecture)是解决基于不同中间件系统的集成问题．它将不同的系统都结构化成PIM(platform independent model)和PSM(platform specific model)，并针对不同的实现技术平台制定多个映射规则，然后通过这些映射规则及辅助工具将PIM转换成PSM，再将PSM不断求精直至形成最后的代码．MDA中的模型转换有4种：PIM到PIM，PIM到PSM，PSM到PSM以及PSM到PIM．其中PIM到PIM转换最显而易见的是分析模型到设计模型的转换．UML是MDA的模型描述语言，因此UML顺序图到状态图的模型转换必将为MDA中的PIM到PIM转换提供有力的支持．介绍了从一个顺序图转换成多个状态图的算法，并进一步讨论了从多个顺序图转换到状态图以及简化状态图的方法．处于一个系统中的多个状态图不是孤立的，他们各自的状态转换是相互约束的，最后给出了组合多个状态图的方法，以及如何生成在同步约束下多个状态图的转换关系，并最终得到系统的状态图．     

用神经元网络的模拟计算方法求解Klee－Minty问题

介绍了一种改进的求解线性规划问题的神经元网络──上ＴＨ神经元网络，分析了该网络稳定点的特性，在此基础上提出关于它的一种比较新颖的模拟计算方法，并用该模拟计算方法求解了著名的Ｋｌｅｅ－Ｍｉｎｔｙ问题。理论分析和实例计算都表明该方法比传统的模拟计算方法欧拉法有效。     

规则库支持下的CAD数据到GIS数据自动转换方法探讨

论文分析了现有CAD数据与GIS数据转换的研究成果，在分析AutoCAD与ArcGIS数据特点的基础上，提出并设计了基于规则库的CAD数据到GIS数据转换方法，并基于该方法开发应用程序，通过在实际数据生产中的应用分析，该方法的优点是可避免数据转换过程的信息丢失和建立完整要素关系，并可通过规则库实现转换过程及质量的可控制性。