神经网络与专家系统

本文通过对专家系统与神经网络各自特点的考察，探讨了将两者结合起来并保留各自优点的可行途径，进一步指出了有待解决的问题。同时通过对电力系统中ＮＮ应用状况的回顾，展望了这一技术在电力系统中的应用前景。     

BP神经网络算法的改进

本文分析了ＢＰ算法所面临的问题，给出了一种改进算法，说明了它们的原理和应用环境，将它们与传统的ＢＰ算法作了比较，并通过一实例验证：应用改进算法可以大幅度地提高ＢＰ神经网络的学习速度，这对ＢＰ神经网络的应用有较大实际意义。     

基于图论的装备维修仿真模型

文章从图论的角度讨论了装备维修过程中采用的维修统筹图模型 ,并进行了改进 ,以便该模型能够反映出维修过程资源对维修的影响 ,另外 ,该模型还可以用于辅助设备购置决策 .     

多层前馈二阶神经网络模型

本文首先建立多层前馈二阶神经网络模型，继而给出该模型的二阶Ｂ－Ｐ学习算法，在此基础上构造了二阶快速Ｂ－Ｐ（即ＦＢ－Ｐ）和改进的二阶ＦＢ－Ｐ（即ＭＦＢ－Ｐ）学习算法，在计算机上以两类飞机图像目标识别为例，对本文提出的多层前馈二阶神经网络模型及其三种二阶学习算法的性能进行仿真实验，并与传统的多层前馈一阶神经网络及其相应学习算法的性能作比较，从而获得若干有意义的结果。     

一种用神经网络来进行图像恢复的方法

本文首先简要地介绍了Ｙ．－Ｔ．Ｚｈｏｕ提出的图像恢复神经网络方法，并分析了这种方法存在的缺陷，在此基础上提出了一种用于图像恢复的改进神经网络方法，在计算机上利用实际拍摄的人头图像对本文提出的改进方法进行仿真实验，结果表明本文提出的这种方法是切实可行的。     

二相码旁瓣抑制的神经网络方法

本文研究了二相编码雷达信号的距离旁瓣抑制问题，用多层感知器网络实现了１３位巴克码的脉冲压缩和旁瓣抑制处理。计算机模拟结果表明，这种处理方式在主副比和多卜勒性能上优于直接失配加权处理。     

图论中的DNA计算模型

基于生化反应机理的DNA计算模型受到科学领域内许多不同学科学者们的关注。DNA计算已经形成国际科学前沿领域内研究的一个新的热点。主要介绍了近几年国内关于图论的DNA计算模型研究的现状及研究进展。分析了图论的DNA计算模型中存在的问题。指出未来国内DNA计算研究的重点可以在三个方面:解的检测,降低空间复杂度,生化实验研究。     

基于图论的制冷系统稳态仿真算法的构建

系统算法的构建是制冷系统稳态仿真的重要环节。本文在传统的连续替代算法的基础上，引入图论方法实现制冷系统仿真算法的自动构建。首先，将制冷循环表示为图的数据结构：然后，采用图论的广度遍历算法构建制冷循环的仿真算法；最后，引入模块化的部件模型完成系统仿真。仿真实例显示本文方法具有良好的通用性和稳定性。本文方法亦可适用于其他热力系统仿真算法的构建。     

一种实时性的自联想记忆神经网络模型的构成及仿真实现

本文从认知心理学的角度，以Ｈｏｐｆｉｅｌｄ模型的对称性连接为基础，利用两段式网络结构将网络的学习和生成阶段结为一体，构成的联想记忆网络模型对外界的激励信号具有实时的输出响应，并通过计算机仿真试验，实现了网络的联想和记忆功能。     

基于图论的电网脆性仿真

系统的脆性分析的关键是要建立脆性模型。图论针对网络系统可以描述出系统脆性传播的方向和权重。提出了基于图论理论的系统脆性模型建立的方法和步骤。针对7节点电力系统进行了理论的建模和分析,求出了分层的电力系统脆性模型和脆性源。证明了此方法对于网络系统分析的有效性。     

Nonlinear Dynamics and Stability of Neural Networks with Delay-Time

In this paper we study the dynamic properties and stabilities of neural networks with delay-time (which includes the time-varying case) by differential inequalities and Lyapunov function approaches. The criteria of connective stability, robust stability, Lyapunov stability, asymptotic atability, exponential stability and Lagrange stability of neural networks with delay-time are established, and the results obtained are very useful for the design, implementation and application of adaptive learning neural networks.     

粗集与神经网络的集成技术研究

粗集和神经网络都是处理不确定、不完全信息的软计算方法 ,两者曾在决策支持和知识获取等领域取得了很大的成功并得到初步应用。但两者都有局限性 ,同时在许多方面有互补性。因此粗集和神经网络的集成成为当今智能混合系统的一个重要分支 ,或许也是开发下一代专家系统的主流技术。从认识论的角度分析了粗集和神经网络的特点 ,评述了目前粗集和神经网络集成的理论和方法 ,指出其中存在的主要不足。最后提出了粗集和神经网络进一步集成所需解决的问题。     

大规模神经网络的混合结构和立体表示系统—HYBNOTATION

在文献［２４］中，我们提出了一个通用自适应神经网络框架ＧＡＦ，它具有许多优越性。但是，在利用神经网络模型构造具有特定功能的神经网络时，采用什么样的组织结构是很重要的。它决定着系统的代价和性能比。本文首先讨论了神经网络的自顶向下、自底向上和交互式三种基本结构及其局限性。然后提出了大规模神经网络的一个混合立体表示系统。接着通过两个实例，神经系统的反射弧和躯体感觉系统的定义，来说明上述混合立体表示系统对于神经网络微观及宏观结构描述的优越性以及如何用它来定义大规模神经网络的混合立体结构。     

用神经网络实现变换群下的不变性方法

对不变性的认识,特别是对变换群下的不变性的认知,一直是神经网络系统研究中最重要也是最困难的问题之一。本文首先介绍了用神经网络来实现变换群下的不变性主要方法,然后对这些方法进行了简要的评述,最后提出了一些我们自己的看法。     

分布参数突触联接动态神经网络及其稳定性研究

本文利用树突树的冲激响应对分布参数突触联接进行了形式化描述。在树突空间结构形式化描述基础上，我们提出一种分布参数突触联接动态神经网络，并且详细地研究它的有界性和稳定性。本文主要贡献是，得到了包括突触联接在内的树突树系统的冲激响应及其绝对可积性；提出了分布参数突触联接动态神经网络及其数学描述；给出了有界性和稳定性定理。     

用神经网络实现线性系统状态估计

本文研究了一种用神经网络解决线性动态系统状态估计问题的方法。使用了动态优化技术设置Ｈｏｐｆｉｅｌｄ网络的加权矩阵。仿真结果显示本文研究的方法具有广泛的适用性。此方法对于大型系统实时估计具有很大的应用潜力。     

基于BP神经网络与小波的控制研究

本文利用ＢＰ神经网络对被控对象进行在线辨识以及利用ＢＰ神经网络与小波对被控对象进行控制，通过某电厂过热器汽温为对象仿真验证此方法比一般ＢＰ神经网络效果好     

神经网络与AI发展现状、省思与综合

本文系统地评述了神经网络和AI的发展现状,研究了两者之间关系与特征,提出了有关前沿领域的若干公开问题。     

用神经网络确定动态系统最优决策

本文提出了用神经网络确定动态系统最优决策的方法，介绍了实现这种人工神经网络的电路，并给出了仿真计算实例。本文提出的方法容易掌握，所设计的神经网络运算速度快、稳定性能好，可用于确定动态系统的最优决策。