数学神经网络(V)──某些数学方法的神经网络表示

继续研究数学神经网络，这里提出一种观点：人工神经网络可以作为数学的一种可视化手段．首先用例子指出几种熟知的数学方法可以用神经网络表达，然后讨论了线性规划、多目标线性规划、模糊线性规划以及模糊关系方程的神经网络形式．     

UNIX操作系统下SOCKET网络编程

介绍了ＢＳＤ（ＢｅｒｋｅｌｅｙＳｏｆｔｗａｒｅＤｉｓｔｒｉｂｕｔｉｏｎ）ＵＮＩＸ操作系统的ＳＯＣＫＥＴ（套接字）的网络编程思想，并给出客户机－服务器进行传输信息的编程方法。它是开发网络通信软件的基础     

通信网络互连中的ATM技术

首先分析了ＩＰ协议和ＩＥＥＥ８０２局域网规程分别与ＡＴＭ（异步转移模式）技术的特性，并对它们进行了比较，然后针对国际标准化组织和ＡＴＭ论坛提出的局域网仿真和基于传统ＩＰ协议ＡＴＭ技术这两种方案进行分析和讨论     

神经网络反传模型的理论与应用研究体会

神经网络及神经计算的新理论，模型，方法及应用受重视，并用于解决某些诸如模式识别，组合优化，语言理解等复杂问题，得到系列可喜的理论成查与实际应用。我们业已将神经网络反传模型应用于多元校正，有机合成，模式识别，构效关系及分子设计等方面。     

Sigma—pi神经网络激发函数特征

研究了ｓｉｇｍａ－ｐｉ这一类神经网络激发函数的特征，给出能作为这类激发函数的充要条件，并具体给出了其表达式。     

Ad Hoc网络中基于模拟退火-蚁群算法的QoS路由发现方法

针对Ad Hoc网络的动态网络环境和链路、节点性能限制等不利因素，提出了一种新的QoS路由发现方法——SAANT．该方法利用蚁群算法增加了发现可用QoS路由的概率，利用基于概率的路由转发策略来减少洪泛造成的网络开销，从而强化所提算法的全局搜索能力和自适应性，减小了洪泛对Ad Hoc网络性能的影响．所提方法还利用模拟退火算法调整路由发现算法的搜索方向，以弥补蚂蚁算法收敛速度上的弱点，减少了搜索过程中的停滞现象．在包投递成功率、平均包延迟和吞吐量等方面，通过仿真实验对SAANT、仅基于蚁群算法的QoS路由算法和传统的按需路由算法的方法进行了性能比较，结果表明，在Ad Hoc网络环境下，SAANT的收敛速度、移动性能和网络负载性能均表现出更好的适应性．     

基于滑动概率神经网络的早期故障诊断

针对机电设备早期故障难以识别的问题，提出了一种动态的概率密度估计方法——滑动概率神经网络，用以跟踪分析测量信号的概率密度变化过程，及时发现早期故障．该网络以固定不变的抽样集作为第一层，动态滑动的测量信号作为样本层，通过求和层得到抽样集的条件概率密度估计，将样本层内测量信号的概率密度动态地投影到统一的抽样集上．将网络分解成以测量值为中心的子网络，来实现网络的递归运算，并且利用高斯函数的快速衰减特性或使用分段线性函数近似高斯函数，从而提高了网络的计算实时性．通过压缩机喘振过程数据的应用实例，表明该方法能够有效识剐故障的早期征兆．     

无线传感器网络研究

介绍了无线传感器网络的体系结构、特点,分析了无线传感器网络研究的一些关键性问题,探讨了无线传感器网络的应用范围。     

Techniques of Image Processing Based on Artificial Neural Networks

This paper presented an online quality inspection system based on artificial neural networks. Chromatism classification and edge detection are two difficult problems in glass steel surface quality inspection. Two artificial neural networks were made and the two problems were solved. The one solved chromatism classification. Hue, saturation and their probability of three colors, whose appearing probabilities were maximum in color histogram, were selected as input parameters, and the number of output node could be adjusted with the change of requirement. The other solved edge detection. In this neutral network, edge detection of gray scale image was able to be tested with trained neural networks for a binary image. It prevent the difficulty that the number of needed training samples was too large if gray scale images were directly regarded as training samples. This system is able to be applied to not only glass steel fault inspection but also other product online quality inspection and classification.     

Adaptive control of system with hysteresis using neural networks

1.INTRODUCTIONThe piezoelectric actuators are well suited for micro-position devices in precision engineering because oftheir fast response,nanometer resolution and biggerdriving force[1].However,hysteresis inherent topiezoelectric actuator severely li mits system’s perfor-mance such as giving rise to undesirable accuracy oroscillations,even leading to instability.Hysteresischaracteristics are generally nondifferentiable andusually unknown.It is a difficult task to mitigate itsharmful ef…