量子神经网络动力学及其在信息安全中的应用

提出了二阶Hopfield神经元及其量子动力学模型，讨论了它的粒子数图像，计算了真空量子涨落幅度值。这个幅度值是设计量子神经电子器件，井基于量子神经网络器件进行量子神经计算、量子神经信息存储与提取的物理限制。文章还进一步讨论了量子神经网络器件在信息安全中的应用。     

生物神经元网络与人工神经网络

神经网络包括两个主要方面,即人工神经网络(Artificial Neuronetwork, AN~2)和由真正的生物神经元组成的网络(Biological Neuronic Network, BN~2)。早在1906年,卡杰尔(Cajal)在其创立的“神经元学说”中就已奠定了生物神经元网络的理论基础。近10年来,在人工神经网络——神经计算机研究的推动下,生物神经元网络的研究,也受到广泛的重视。日本“人类前沿科学计划”和伦敦智囊团会议都提到,应用信息科学、计算机科学等最新的科学理论、方法和技术阐明大脑信息加工原理,是当前和今后生物功能研究的焦点之一。但目前人们对生物神经元网络信息的存储、编码与加工机理知之甚     

人工神经网络与计算机

探讨人工神经网络的计算机实现,从软件和硬件两方面阐述其实现过程,并从其数学算法中导出了计算机的实现算法.     

浅谈智能科学——人工神经网络及其发展中的哲学思考

人工神经网络是人工智能科学的重大研究领域之一,并在二十世纪科学技术所得了重大成果。近年来,国际学术界掀起了研究人工神经网络的热潮,但其神经网络模拟的对象需进一步的理解。有鉴于此,本文从哲学的角度对人工神经网络的产生背景、发展进行了初步的讨论。     

基于模糊感知器的路面性能预测方法

利用模糊感知器人工神经元网络尝试建立一个智能型路面性能预测模型，对神经网络原理和模型结构进行了系统的理论分析，给出了详细的算法，并以平整度历年调查资料为数据基础，对该模型进行了实例分析，证明了模型的理论与实际运用的可行性。该方法利用神经网络与模糊方法各自的优点，针对不同性能指标，建立对应的神经网络预测模型，来对今后的指标值进行预测，较好地解决了路面性能预测中的模糊性和不确定性。     

MADALINES人工神经网络及快速学习算法研究

在研究ＭＡＤＡＬＩＮＥＳ人工神经网络中心差梯度学习算法（ＣＤＧ）的基础上，提出了一种加速中心梯度学习算法（ＳＣＤＧ），给出了该算法收敛性的证明，在计算机上模拟实现了ＳＣＤＧ算法且分析了实验结果，理论分析与实验均表明，ＳＣＤＧ算法较之传统的ＣＤＧ算法，收敛速度提高了二个数量级以上。     

基于人工神经网络的人脸识别分类器设计

为了提高人脸识别系统的自适应性,采用BP神经网络对抽取出的人脸特征进行识别。对人工神经网络、BP网络应用于人脸识别的过程做了简要介绍。并通过仿真实验加以验证。     

MADALINES人工神经网络及其快速学习算法研究

在研究MADALINES人工神经网络中心差梯度学习算法(CDG)的基础上,提出了一种加速中心差梯度学习算法(SCDG),给出了该算法收敛性的证明,在计算机上模拟实现了SCDG算法且分析了实验结果,理论分析与实验均表明,SCDG算法较之传统的CDG算法,收敛速度提高了二个数量级以上.     

人工神经网络节点作用函数的GP搜索法

人工神经网络的数学模型能解决很多实际问题 ,但收敛速度有的很慢。本文采用遗传程序设计对神经网络的节点作用函数进行自动搜索、优选 ,建立适合已知对象结构的动态的神经网络模型 ,以提高其收敛速度     

人工神经元网络及神经计算机的教育学

对于设计人工神经元网络(ANN)或神经计算机来说,一个最为重要的方面就是学习。如以什么样的算法进行学习?提供什么样的学习素材?以什么样的方式学习?怎样安排学习过程等等?我们认为这些活动非常类似于人的教育过程,基于这一认识,我们提出了ANN及神经计算机教育学的基本思想和基本方法。     

人工神经网络在色谱中的应用

综述了近几年来人工神经网络用于色谱研究中的进展。主要体现在用人工神经网络方法预测色谱保留值、优化色谱分离条件、自动监控色谱仪运行以及揭示色谱数据的隐含信息方面,并展望了人工神经网络在色谱中的应用前景。     

人工神经网络在手感评定中的应用

针对现有的手感评定方法在识别准确性,容错性和适应性方面存在的问题,提出了用4个检测模型产生手感信号,并用BP神经网络处理信号的具体方法和步骤.实验证明,BP神经网络具有较好的自适应模式识别能力和容错性.     

基于神经网络的智能控制系统

论述了人工神经网络的产生与发展,以及人工神经网络在控制系统中的应用现状,分析了人工神经网络的特点和监视控制系统的原理,并对神经网络控制系统的前景做了展望。     

人工神经系统的研制与进展

本文介绍人工神经系统与传统人工智能的区别,人工神经系统与实际神经系统的比较,以及人工神经系统的研制与进展.     

基于神经网络处理油井液面深度的方法

本文介绍了利用神经网络处理油井液面信号的基本方法，并给出利用此方法处理液面信号的结果。     

模糊集合论和神经网络在油井测试中的应用方法研究

提出了一种基于模糊集合论和人工神经网络处理油井测量问题的方法，首先利用模糊集合论中的模糊聚类方法，将所使用的各种传感器灵敏度特性曲线进行分档归类，然后利用人工神经网络对各档次的传感器进行非线性估计，并在此基础上形成了一套寒带的算法，对于油井测试中测量精度的提高具有一定的实用意义。     

GPS数据差分人工神经网络模型

在讨论利用差分技术来降低ＧＰＳ数据误差的基础上,提出了ＧＰＳ数据误差关性的概念。通过这种误差相关的分析,讨论在差分过程中利用人工神经网络减小ＧＰＳ数据误差,从而建立了ＧＰＳ数据差分人工神经网络模型,并通过试验验证了此模型的可行性。     

BP人工神经网络在聚合物溶液体系活度预测中的应用

应用不同BP人工神经网络对不同聚合物溶液体系的活度进行了训练,共12个系统,613个数点,总的平均相对误差为0．0263,在采用相同BP人工神经网络对聚合物PS与不同溶剂溶液体系的活度进行试练时,总的平均相对误差为0．0212,而利用相同BP人工神经网络对同一聚合物不同溶剂溶液体系的活度进行预测时,总的平均相对误差为0．0484。     

人工神经元网络辅助催化剂生产

本文提出了一种探索催化剂生产优惠操作条件的新方法，从而使最终产品的质量得以提高，并能节约人力、物力、寻优是依据数学模型离线进行的。模型采用人工神经元网络ＡＮＮ以实际上并不完全的历史数据训练后自动产生。