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。     

用于图像目标识别的神经网络方法

本文提出了一种全局最优的神经网络（ＦｕｌｌＤｏｍａｉｎＯｐｔｉｍｕｍＮｅｕｒａｌＮｅｔｗｏｒｋ）模型用于目标识别。通常所设计的神经网络不能保证全局最优，使得网络不一定收敛到期望样本点上。本文的模型采用了先设计稳定点、再构造吸引域的方法，提高了网络的识别正确率及速度。针对图像识别中矢量维数大的实际，提出了一种不变性方法，使得样本维数下降而分类距离保持不变。同时又证明了网络的收敛性、收敛速度及映射保距等。计算机模拟结果表明，网络对噪声或缺损图均能正确识别。     

特征结构提取的高阶Hopfield神经网络实现

本文首先建立了特征结构提取问题的罚函数表示，通过对罚函数求极小可以求得原始协方差矩阵的主特征向量及其对应的特征值。为了求得其他特征结构，特构造了一个协方差矩阵序列。如果将罚函数展开并进行整理，高阶Ｈｏｐｆｉｅｌｄ神经网络可被引入到特征结构提取中。这种方法比较直观，它将网络稳定时的输出与所求协方差矩阵的主特征向量的各个分量相对应，而网络稳定时的能量则对应于协方差矩阵的迹与所求特征值之差，计算机仿真结果验证了这种方法的正确性。     

汽油机动力性的前馈神经网络模型

如何优化汽油机的动力性 ,是研究者致力追求的目标。利用多层前馈神经网络的反向传播算法特性 ,建立了汽油机动力性与点火正时、空燃比、发动机转速、油门开度等之间关系的神经网络模型 ,用以分析、预测、优化汽油机动力性能 ,探讨车用汽油机动力性的科学评价指标     

多传感器数据的准分层融合法

本文针对非线性多传感器系统的状态估计问题，提出了准分层融合算法。文中，首先推出了准分层融合估计式，而后说明其算法，并讨论其性质，最后，给出其工程上可实现的结构框图。理论结果表明，该算法可用作多传感器的广义卡尔曼滤波。实际需要表明，该算法比文献￣［１］中线性系统的分层融合法更有应用前景。     

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。     

多层前馈神经网络的快速学习算法及其仿真研究

本文主要研究多层前馈神经网络的快速学习问题。文中首先概述了多层前馈神经网络的B—P学习算法,并分析了这种算法的主要缺陷,在此基础上提出了若干克服和缓解这些缺陷的技术方法,由此构造了一种新的多层前馈神经网络的快速B—P学习算法即FB—P算法。通过对FB—P算法学习过程进行较详细的分析,本文还建立了一种改进的FB—P学习算法即MFB—P算法。最后本文以三层前馈神经网络识别五类地面目标图像为例,对文中提出的FB—P和MFB—P学习算法的性能(即学习速度与推广特性)进行了计算机仿真实验,同时与B—P学习算法的性能作比较,理论分析与仿真实验表明:MFB—P与FB—P学习算法比B—P学习算法具有更快的收敛速度,且MFB—P算法收敛最快;MFB—P算法比FB—P和B—P学习算法具有更好的推广特性,而后两者的推广特性则大致相同。     

实时自适应波束形成器的神经网络方法

作者在Ｈｏｐｆｉｅｌｄ神经网的基础上构造了一种实时处理的自适应波束形成网络。由于实际应用中神经元的联结矩阵有时是奇异的，文章引入正则化方法，有效地提高了网络解的稳定性和处理速度。为了降低编程复杂性，避免计算求协方差矩阵，作者还改进了一种网络，该网络用模拟电路实现不需要任何计算，并且便于用常规的模拟电路实时处理。仿真实验结果表明，这种网比传统的自适应方法有较好的收敛和跟踪性能。     

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。     

遗传算法及其在系统仿真中的应用

本文介绍遗传算法的基本原理，给出其在系统仿真中的几个应用实例，阐述其发展趋势及有待解决的问题。     

人工神经网络的一种改进的B-P学习算法及其应用

本文首先简要地介绍了人工神经网络(以下简称神经网络)的B—P学习算法,继而分析了B—P算法收敛速度慢的内在原因,讨论一些加速B—P算法收敛的措施,提出了一种改进的B—P学习算法(MB—P)。将这种算法应用于两类含噪飞机图象目标识别系统,并进行了仿真实验。实验结果表明,MB—P学习算法的收敛速度比B—P算法的收敛速度快许多,而且分别用这两种学习算法训练的神经网络对目标具有大致相同的识别率。     

一种小波神经网络结构及其学习算法研究

基于仿射小波神经网络的逼近原理和结构设计问题 ,本文提出了一种新型小波神经网络结构 ,研究了其结构化设计方法和相应的学习算法 ,优化组合小波基元激励函数 ,实现了小波神经网络权系数的二次学习 ,避免了“维数灾”问题 ,改善了网络学习特性。计算机仿真结果表明 ,研究的小波神经网络结构及其学习算法简单有效 ,函数逼近更精确     

一种军事图像目标识别神经网络系统

在军事图像目标识别中,目标通常发生比例、平移、旋转变化,有时还处于复杂背景之中或部分被障碍物遮挡,而识别往往要求是实时的。这使得传统的图像目标识别方法不能获得较好的效果。本文提出了一种神经网络目标识别系统,该系统能直接识别图像目标,而无需提取图像中的目标特征,具有目标识别的比例、平移、旋转不变性,具有良好的复杂背景下的目标识别性能,是一种高速、实用、识别率高的军事图像目标识别神经网络系统。文中给出了改进的神经网络模型并针对不同军事目标的识别需要进行了仿真实验。     

一种新型复合神经网络模型

本文首先详细地阐述了ＢＰ神经网络和ＣＭＡＣ神经网络各自的结构，原理以及算法。提出了一种ＢＰ神经网络与ＣＭＡＣ神经网络组合起来的新型复合神经网络模型，并利用误差逆向传播原理推导出复合网络的学习法。仿真实验结果表明，这种复合神经网络在保留了ＢＰ和ＣＭＡＣ各自特长的基础上，同时具有学习速度快，泛化能力强等特点     

基于BP神经网络的人脸识别

将BP神经网络用于人脸识别 ,建立了人脸识别模型 ,研究了样本采样训练、样本批量训练和样本完整训练三种训练策略对识别率的影响。所设计的识别模型包括图像压缩、图像抽样、输入矢量标准化、BP神经网络与竞争选择处理过程。利用ORL人脸图像数据库进行了仿真实验 ,结果表明 ,其识别模型在实际应用中是可行的。该模型简单 ,识别率较高。如将训练策略配合使用 ,则在提高训练速度和训练效率的同时 ,也使模型分类性能有了明显提高     

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。     

前馈神经网络的一种连续型学习算法

本文给出前馈神经网络的一种连续型学习算法，对传统的ＢＰ算法作了改进。分析了该算法的收敛性。通过实例与传统ＢＰ算法进行比较，该算法可以明显提高网络的收敛速度，说明它是一种实用的学习算法。     

模糊神经网络自学习控制器及其应用

本文提出了一种模糊神经网络自学习控制方法，并介绍了采用多层神经网络表达模糊控制的知识规则、模糊推理和学习算法。经实验仿真结果表明这种控制方案可改善具有时变及大纯滞后系统的控制品质，其性能优于一般模糊控制。