余数制神经网络

提出了一种新的神经元模型，其数据和权值用余数制表示，称之为余数制神经元。它的处理能力等效于一些多层感知机模型。同时提出用中国余数定理重构信号，等效于神经元之间的非线性连接，将此模型用于分类，其单层网络可用于解高阶和边界模糊问题。     

神经网络余数制系统

研究了神经网络余数制信号处理系统。提出求余运算的逐位比较模型，以非对称Ｈｏｐｆｉｅｌｄ网络为基础，构造了求余运算神经网络；将此网络用于求解中国余数定理，构造了实现余十转换的一种全新方案。计算机仿真结果证实了这个新方案的高速和有效性。     

神经网络余数制系统

研究了神经网络余数制信号处理系统，提出求余运算的逐位比较模型，以非对称Ｈｏｐ－ｆｉｅｌｄ网络为基础，构造了求余运算神经网络；将此网络用于求解中国余数定理，构造了实现务＋转换的一种全新方案。计算机仿真结果证实了这个新方案的高速和有效性。     

模数可变的求余运算神经网络

提出了一种由外加工作电压控制模数的求余数的神经网络，该网络速度快，通用性好，可作为高速余数制计算机的运算单元。     

神经网络解逆运算问题

反馈式神经网络在计算方面的独特优点之一即利用简单的正运算完成复杂的逆运算。讨论了用于运算的三个实际网络：ａ．用乘法运算完成除法的网络；ｂ．不需逆矩阵参数而解线性方程组的网络；ｃ．用余数约化运算求解中国余数定理（孙子定理）的网络。     

推导本原同余数公式

通过运用初等数论方法,推导出本原同余数公式.     

推导本原同余数公式

通过运用初等数论方法,推导出本原同余数公式。     

基于高维空间划分的神经网络分类学习模型

基于高维空间划分的原理，提出了一种非线性神经元CC模型和基于CC模型的神经网络的构造算法。从理论上证明基于CC模型的神经网络的容错性比MP网络要好，而且网络的隐层节点个数远远少于FP网络的隐层神经元个数，对于分类问题其计算复杂性仅为多项式（上界≤O(p^2),p为样本个数。该网络有明确的几何和物理意义，具有持续学习和噪声数据处理能力，适合大规模数据挖掘领域。     

一个更精确的现实性动态神经网络模型

神经元的功能主要由突触后膜，胞体膜和始段膜三种膜结构的不同活动特性决定的。根据这三种膜结构的电生理性质及其形态结构提出了一个比较精确的现实性动态神经网络模型。计算机仿真结果表明这个模型在具有比较简明的形式及较小的计算量的同时，能较全面地反映神经元的活动特性。     

基于构造型神经网络的分类算法

提出一种基于构造型神经网络的最大密度覆盖分类算法,以便更加有效地解决模式识别的问题.首先,引入一个密度估计函数,用该函数对样本数据进行聚类分析,找出同类样本中具有最大密度的样本数据点,然后,在特征空间里作超平面与球面相交,得到1个球面覆盖领域,从而将神经网络训练问题转化为点集覆盖问题.该算法的特点是直接对样本数据进行处理,有效地克服了传统神经网络训练时间长、学习复杂的问题,同时也考虑了神经网络规模的优化问题.计算机仿真实验结果证实了该算法的有效性.     

关于余数系统中快速比较算法的注记

利用中国剩余定理，采用对模数重新组合的方法，对余数系统听快速比较算法进行了改进，使其数据的处理范围得到扩展，改进后的算法能够处理十进制数据的位数约为原算法２倍。     

用神经网络进行车牌定位的研究

该文采用BP人工神经网络模型 ,研究汽车图像中车牌定位的神经网络方法。选取训练样本图像 ,以人工定位后的图像为导师信号 ,将图像的灰度序列采用BP算法进行训练 ,获得有效的网络权值。试验结果表明 ,用BP网络对灰度图像进行感知能够获得较好的定位效果     

基于混沌神经网络的压电陶瓷迟滞模型

为解决压电陶瓷迟滞建模问题,提出一种新型的G-S混沌神经网络模型. 该网络由输入层、隐层和输出层构成,在输入层中引入延迟环节,从而使得历史输入能够对当前输入的响应产生影响. 网络的学习过程是一种混沌优化算法,可有效避免普通神经网络的局部极值和假饱和现象的发生. 将该网络应用于纳米定位系统压电陶瓷执行器迟滞建模中,可以降低建模误差,实验结果验证了该方法的有效性.     

基于神经网络的装备维修保障系统效能评估

在系统分析装备维修保障系统效能各影响要素的基础上,构建了维修保障系统效能评估指标体系．应用BP神经网络的理论和方法,建立了维修保障系统效能评估的神经网络模型;给出了应用特尔菲法与模糊层次分析法相结合确定各指标权重而构造神经网络训练样本的方法。最后进行了实例分析,结果表明该模型可较好地克服人为因素和模糊随机性的影响,具有很高的可信度。     

一个基于人工神经网络的新一代精神分裂症诊断系统ESSD

本文介绍一个利用人工神经网络进行分型和自动知识获取的新一代精神分裂症诊断系统。阐述了训练样本的统计方法，神经网络的模糊与清晰性相结合的分型方法以及动态自学习方法，在输出规则中引入了黑洞束缚的概念。     

一种基于粗糙集的粗糙神经网络构造方法

针对神经网络中各神经元和权不能赋予明确的物理意义 ,提出了一种基于粗糙集的神经网络模型 .该模型利用粗糙集理论数值分析的能力 ,首先从给定的数据集中抽取出规则 ,然后根据这些规则构造神经网络隐含层的神经元个数 ,从而确定粗糙神经网络的初始拓扑结构 .同时 ,将输入映射到输出子空间 ,并在这个子空间上用神经网络进行逼近 ,由此得到一种可理解性好、收敛速度快的神经网络模型 .实验结果表明 ,该模型能够较好地处理神经网络拓扑结构、训练样本的大小、样本质量等对神经网络的精度及泛化能力有直接影响的问题 ,在大大缩短训练时间的同时 ,它的预测精度可达 96 4 % ,较同条件下径向基函数神经网络模型的精度高 3 6 % .     

基于神经网络的Smith补偿PID控制设计

针对工程实践中常见的纯滞后对象,在Ｓｍｉｔｈ补偿控制基础之上,利用人工神经网络的非线性映射功能对控制对象进行在线辨识,达到对时滞补偿预报的目的;利用神经网络ＰＩＤ控制器（Ａｄａｌｉｎｅ网络）代替常规控制器,实现了对时滞复杂对象的在线自适应控制;并根据ＩＴＡＥ性能指标原则对神经网络控制器参数进行整定,得到一组经验公式。仿真结果验证了本文神经网络控制方案的有效性。     

基于集成神经网络的短文本分类模型

针对短文本具有稀疏性强和文本长度较小等特性, 为更好地处理短文本分类问题, 提出一个基于集成神经网络的短文本分类模型. 首先, 使用扩展词向量作为模型的输入, 从而使数值词向量可有效描述短文本中形态、 句法及语义特征; 其次, 利用递归神经网络（RNN）对短文本语义进行建模, 捕获短文本内部结构的依赖关系; 最后, 在训练模型过程中, 利用正则化项选取经验风险和模型复杂度同时最小的模型. 通过对语料库进行短文本分类实验, 验证了所提出模型有较好的分类效果, 且该分类模型可处理变长的短文本输入, 具有良好的鲁棒性.     

基于神经网络的汽油发动机的故障诊断专家系统初探

阐述了故障诊断专家系统的组成,提出了一种基于神经网络的汽油发动机的故障诊断专家系统.该系统诊断的特点是先用故障树建立诊断的专家系统,即诊断树,然后从故障树中提练出训练样本,结合人工神经网络的自学习功能,从不同角度和不同层次进行诊断推理.结果表明,该系统提高了系统的诊断效率,克服了传统专家系统的一些不足.该系统结合面向对象的VB为开发工具,具有较好的可视性和操作性.