人工神经网络法用于V—PTC材料诸性能的预报

人工神经网络是一类试图模拟生物体神经系统结构的新型信息处理系统。文中用反向传播网络研究了Ｖ－ＰＴＣ材料诸性能与其配方及工艺间的关系，通过Ｂ－Ｐ算法建立了Ｖ－ＰＴＣ材料诸性能与其配方及工艺间的非线性映照关系，根据Ｖ－ＰＴＣ材料的优化配方和工艺条件，计算机预报相应材料诸性能的结果与实验值相一致。     

人工神经网络法对MeX－REX_3熔盐系相图特征的预报

用化学键参数－人工神经网络方法对ＭｅＸ－ＲＥＸ。熔盐系相图进行研究，总结相图若干特征的规律．结果表明，人工神经网络可判断中间化合物的形成，化学配比以及熔化类型，并能预报中间化合物的熔点，分解温度和包晶点的组成，结果与实测相图符合较好．其研究结果已纳人材料设计专家系统．     

正则环与V－环的挠论性质

本文证明了文献［２］提出的问题，并且更进一步的证明了环Ｒ是τＶ－挠正则环当且仅当Ｒ是，τＶ－挠环．     

溶胶-凝胶法制备无铅纳米BaTiO3基PTC陶瓷粉体的研究

为获得具有良好PTC效应的陶瓷元件,采用复合掺杂,通过柠檬酸盐溶胶-凝胶法及二步合成法,经低温煅烧干凝胶制备无铅BaTiO3基PTC粉体.制得的粉体晶粒小、分散性好、低团聚,达纳米级.并通过TG-DTA、XRD、SEM和TEM等测试手段对其性能做了进一步研究.     

神经网络在肺癌早期鉴别诊断中的研究与应用

研究了人工神经网络方法（ＮＮ）在生物医学工程和生命科学中的应用。提出了改进反传算法（ＭＢＰ）并用于肺癌早期诊断：发现其对几类病人的识别和预测时，分类正确率高，临床诊断预测力强。     

人工神经网络应用于光谱分析：校正与辨识

将人工神经网络（ＡＮＮ）用于光谱分析校正与定量分辨中，采用三层节点模型和反向传播学习算法对模拟与实测数据处理结果表明，人工神经网络对光谱分析校正与定量辨识是可行的。从页为光谱辨识与多元校正提供了一条新途径。     

自组织神经树用于芬太尼衍生物构效关系的研究

运用自组织神经树方法研究了芬太尼衍生物的镇痛活性与其结构特征参数间的非线性关系，结果表明，该网络性能良好，识别成功率较高，可望成为药物构效关系研究的有效辅助手段。     

神经网络B－P学习算法及其在含F铋系高温超导体制备中的应用

叙述“反向传播”神经网络的结构、算法及其在含Ｆ铋系高温超导体制备中的应用．实验结果表明神经网络的判别正确率为１００％．因此，该方法可用于材料设计等高层次知识处理领域．     

神经网络自动生成器

介绍了神经网络自动生成器的设计思想,即在正交基函数神经网络的基础上,根据性能指标的变化自动修改网络的拓朴结构,仿真实验表明,该方法在训练过程中改善了收敛速度,具有优良的逼近任意非线性映射的特性．     

基于RBF神经网络多步预测的自适应PID控制

提出一种基于RBF神经网络多步预测的自适应PID控制算法．该算法用无局部极小的径向基函数网络对非线性系统进行在线辨识，利用多步预测误差对PID型控制器网络进行训练，从而实现PID参数的在线自适应寻优．通过对典型非线性系统的仿真研究，该控制系统具有较强的适应性和鲁棒性．     

自组织特征映射神经网络用于语音识别的研究

该文提出了一种优化的自组织学习算法。基于自组织特征映射(SOM)神经网络和隐马尔柯夫模型(HMM)法,组成了一种新的语音识别系统,该系统采用SOM网络作为矢量量化器。SOM网络经过优化的自组织学习算法训练后,再用K均值聚类算法对其进行调整。实验结果表明,该文提出的语音识别方法确实能提高系统的识别率。     

基于BP神经网络的手写数字识别研究

将BP神经网络应用于手写数字识别,通过实验证实,该方法具有较高的识别率和可靠性．     

线性神经网络在自适应辨识中的改进及应用

提出了一种新的自适应辨识算法．仿真算例证明了这种算法的有效性。