一种新型δ函数神经元构成的神经网络及学习算法

本文提出一种新型δ函数神经元构成的三层前馈神经网络，其隐层中神经元采用δ变换函数而不是ｓｉｇｍｏｉｄ函数。学习算法不再采用误差反向传播（ＢＰ）算法，而是通过选定隐层与输入层之间的自由权来确定隐层与输出层间的待求权的直接算法完成学习。这种学习算法运算速度快，不存在局部极小和收敛速度慢的问题，只要隐层δ函数神经元个数等于样本对数量就一定能完成学习，这是传统ＢＰ算法不能比拟的。计算机仿真实例表明该算法是十分有效的。     

一种新型汉字音节整体向量模型的识别研究

通过对hiddenmarkovmodel(HMM)和segmentmodel(SM)模型的简要分析,指出了它们的某些缺陷,提出了一种新的基于汉字音节整体的Melfrequencycepstrumcoefficients(MFCC)向量模型。该模型能够根据各个音节的持续时间动态地调整帧长,进而比较完整地表现了语音时频信息的演化过程。实验数据显示,在同样的测试条件下,对于上下文相同的同性语音,帧数固定比帧长固定的识别率改善3.0%以上。还分析了几个主要影响汉字语音识别率的参数。研究表明,参数设置是否得当对于识别率有一定的影响。     

基于泛函网络的数值近似方法

根据泛函网络的网络结构模型及算法，给出一种近似二阶微分系统的解，采用泛函网络方法进行数值近似，得出了较好的结果，实验研究表明，泛函网络比BP网络的近似性能好。     

平坦瑞利环境下多用户检测的复神经网络方法

根据平坦瑞利环境下码分多址 (CDMA)系统的复信道衰减特点 ,提出了一种多用户检测的复神经网络方法 ,从理论上证明了该算法的稳定性。理论分析和计算机仿真表明 :该算法具有较强的鲁棒性 ;能有效地抑制噪声干扰 ,克服远近效应 ;对复信道相位和相关矩阵具有一定的自适应能力 ;在平坦瑞利环境衰减下具有较好的误码特性。