基于混合神经网络的模糊定量推理在故障诊断中的应用

本文采用模糊定量推理的方法，解决了故障诊断专家系统存在的模糊问题和实时性问题，同时利用ＢＰ与ＡＲＴ的混合神经网络技术克服了模糊定量推理中存在的问题。     

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。     

神经元的集聚原理与智能子波神经网络

在对神经元机能空间分布结构和状态转换深入研究的基础上,提出了神经元的集聚原理,并通过构造一种基于广义子波基函数的神经元积聚模型,讨论了由此实现的智能子波神经网络所具有的广义结构可调和广义信息记忆等智能化特性。最后,通过两个仿真实验验证了新网络模型在有关实际问题解决上的可行性和高效性。     

贝叶斯网络推理算法综述

贝叶斯网络是一种有效的不确定性知识表达和推理工具,概率推理是其重要研究内容之一。经过二十年的发展,贝叶斯网络已经有一些比较有效的精确和近似推理算法。对迄今为止的贝叶斯网络推理算法研究进行综述,从复杂度、适用性、精度等方面对它们进行比较分析,指出每种算法的关键环节,为实际应用中算法选择和研究提供参考。     

混合使用专家系统与神经网络的智能控制系统

本文以融合符号主义及连接机主义这两种人工智能理论为指导思想，提出了混合使用专家系统与神经网络的智能控制系统形式定义及其三种基本混合结构。进而提出一种专家系统神经网络混合式递阶智能控制系统结构（ＥＳＮＮＩＣＳ），并以ＰＩＤ自整定智能控制系统和水净化智能控制系统为例，说明了ＥＳＮＮＩＣＳ结构的实际应用。     

基于模糊贴近和不精确推理的雷达识别方法

基于模糊贴近和不精确推理，本文给出了快速雷达识别方法，它既考虑了已知数据的模糊性，也考虑了测量数据的模糊性，可用于每类雷达有多个模式的场合。仿真结果表明了该方法的可行性。     

证据网络模型及其推理算法

本文在证据理论与图模型研究的基础上,针对不确定性与关联性相结合的系统建模问题,提出并建立了证据网络模型,定义了证据网络的参数,总结了证据网络的建模特点;分析了证据网络模型的推理问题,建立了其推理策略和推理过程,推导出其正向推理算法和反向推理算法,并通过示例进行了计算验证;证据网络模型将为管理决策分析、系统工程管理等领域的问题分析和求解提供一种有效的技术方法支持.     

用特征展开近似推理法预测玉米螟产卵期

用特征展开近似推理的方法，对属于多重复合模糊蕴涵命题的玉米螟产卵期预测问题进行了研究。研究结果表明，其方法可以准确地预测越冬代玉米螟的产卵期。     

离散动态贝叶斯网络的直接计算推理算法

离散动态贝叶斯网络是对动态过程进行建模和定性推理的有力工具。但是目前所用的各种推理算法都需要进行复杂的图形变换,不易于计算机编程实现而且计算时间长。为此,基于概率论和贝叶斯网络的基本性质,提出了离散动态贝叶斯网络的直接计算推理算法,从理论上对算法进行了推导并进行了实例验证。该算法的最大优点就是不需要复杂的图形变换,非常适合于计算机编程实现,而且在某些情况下推理速度快于其它算法。     

基于神经网络的恒虚警处理

本文首先回顾了神经网络的Ｂ—Ｐ算法。根据Ｂ—Ｐ网络的非线性映射特性和恒虚警（ＣＦＡＲ）处理的实质，分析了基于Ｂ—Ｐ网络的恒虚警处理的原理和方法。     

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。     

Distributed Parameter Neural Networks via Adaptive Wavelet

The paper outlines a new neural net (DPNN) for describing brain's action based on one-dimensional cable theory. While the traditional neural network system only finding its character involving time changing (as HNN, BP etc.), the model-DPNNs (distributed parameter neural networks) are not only the transmitted neurons of time variation, but also the functions of positions by the voltage u(x. I). With the neuroscientific relevance, some bionural features like intermittent conduction and dendritic spike are fixed well by DPNNs which considered as complicated and adaptive devices contract to the functional elementary units. To find the semi-analytical representation of DPNNs, adaptive wavelets are utilized as new microlocalization tools. While maintaining all advantages of wavelet function, the adaptive wavelet offers a viable alternative learning procedure to the orthogonal least squares method (OLS), Adaptive wavelet method develops a fairly general, low-cost multiscale method for neural net optimization.     

复数RBF神经网络自适应均衡算法研究

在研究基于实数径向基函数 (RBF)神经网络均衡器结构的基础上 ,提出了几种新的适用于QAM信号的复数RBF神经网络自适应均衡器结构 ,并给出了相应的自适应算法。新的均衡器是充分利用了所得到的信号信息及RBF的特性而分别构成的。理论分析和计算机仿真结果都表明 ,基于新的均衡器的算法比基于实数RBF神经网络的均衡算法具有更好的收敛性能     

基于Kalman滤波的神经网络快速学习算法及应用

本文提出一种基于Kalman滤波算法的神经网络快速学习算法(EKL).经图像边缘检测应用结果表明,该算法对于加快网络学习的收敛性有着显著成效.     

容错神经网络研究

容错神经网络理论是分析和设计高可靠性的神经网络的理论和方法。容错神经网络的研究对于揭示人脑神经系统的容错机理和丰富容错系统理论有重大意义。本文结合所做的研究工作,系统地提出了容错神经网络的理论框架,为容错神经网络的理论和应用研究的深入奠定了基础。     

容错神经网络仿真器的研制

这篇文章中,考虑到现阶段使用神经网络时的困难,提出用容错神经网络仿真器来开发神经网络。文中首先给出了整体设计方案,然后详细地规划了各个模块及其相互调用关系,给出了基于ＶｉｓｕａｌＣ＋＋４．２的软件实现方法。文末还提供了程序运行过程中的几个界面,指出了其广阔的应用前景。     

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。     

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。