大环二萜天然产物(±)-mayol的全合成

以香叶醇为起始原料,经多步反应完成了西松烷型大环二萜类天然产物(±)-mayol的全合成,关键步骤是二价铬诱导的烯丙基氯化物与醛的分子内加成环化;同时完成了直链二萜类天然产物16-羟基香叶基香叶醇12的合成.     

4-苯基-4-(1,2,4-三唑-1-基)-3-丁烯-2-酮及其衍生物的合成

4－苯基－4－（1，2，4－三唑－1－基）－3－丁烯－2－酮可由3－溴－4－氯－4－苯基－2－丁酮在碱性条件下与1，2，4－三唑反应以71．4％的产率制得。其反应机理由实验和质谱证明是一个先消除氯化氢的三步反应过程，制备出了其衍生物4－苯基－4－（1，2，4－三唑－1－基）－3－丁烯－2－醇和和4－苯基－4－（1，2，4－三唑－1－基）－2－甲氧基－3－丁烯。测试结果表明，这些化合物具有较好的杀菌活性。     

Hopfield型时滞神经网络模型的K-稳定性

研究具有时滞的Hopfield型神经网络模型｛Cidui(t)/dt=-ui(t)/Ri n↑∑↑j=1～↑Tijfi(uj(t-τ）） Ii，ui（s）=ψi(s),s∈[-τ，0],i=1,2,…，n平衡点的K－全局渐近稳定性与K－全局指数稳定性，通过使用不等式分析技巧和微分方程性质，得到了这类模型K－稳定性的易于验证的时滞相关充分条件，并举例验证其有效性。     

动态模糊神经网络研究

针对静态网络无法处理暂态问题，对具有递归环节的动态模糊神经网络进行了研究。通过在网络第二层中加入内部反馈连接，使其具有动态映射能力，从而对动态系统有更好的响应。网络使用遗传算法与反向传播BP(BackPropagation)算法相结合来训练，避免陷入局部最优解。采用时序预测和动态非线性系统进行了仿真研究，结果表明，动态模糊神经网络较之普通模糊神经网络在收敛速度、预测精度和网络规模等方面都有较大的改善，并具有更好的动态系统处理能力。     

基于NLPNN的电网可靠性评估模型

电力系统的根本任务是尽可能经济而可靠地将电力供给各种用户，安全、经济、可靠是对电力系统的根本要求。运用NLPNN模型，进行了电力系统故障状态的行为分析研究，提出了该问题的稳定性和收敛性定理，证明了求解负荷优化削减问题的可行性和收敛性。同时还提出了用NLPNN来对电力系统进行可靠性分析的新思路，且在电网可靠系计算分析模型方面取得了很大进展，为可靠性的计算提供了新的技术手段和理论基础。     

时滞神经网络稳定性、分岔与混沌的研究进展

时滞广泛存在于神经网络中，从非线性动力学的角度对时滞神经网络系统的研究进展作一综述，内容包括时滞神经网络系统的特点、研究方法、神经网络动力学的热点问题的研究进展以及亟待解决的问题等。由于时滞神经网络的演化趋势不仅依赖于系统的当前状态，还依赖于系统的过去某一时刻或若干时刻的状态，其运动方程要用泛函微分方程来描述，解的空间是无穷维的，因此，时滞神经网络的动态行为是非常复杂的。     

应用BP神经网络模型实现内圆磨床主要零件的快速反应设计

用数字化模型代替三维实体模型，将内圆磨床主要大件的BP神经网络模型放入数据库信息管理系统，应用较简单的使用方法实现了零件结构的再修改、灵敏度分析及优化．根据所提出的方法，通过从数据库信息管理系统中调用桥板的数据文件，对其进行结构参数修改、灵敏度分析及以第1阶扭转频率最高为目标的设计变量自动搜索寻优计算，结果表明将BP神经网络模型与数据库信息管理系统结合是实现零件快速反应设计的有效途径．     

Ulmus harutoriensis Oishi et Huzioka角质层特征及古环境意义

根据大量室内实验分析，对产于云南腾冲的植物化石Ulmus harutorensis Oishi et Huzioka的角质层进行了细致研究，揭示了Ulmus harutoriensis叶的表皮构造，其主要特征为：上表皮厚1．1μm，下表皮厚小于1μm，上表皮细胞大于下表皮细胞、毛基少、气孔器很小、只在下表皮发育、无规则型、散生、下陷较浅，在此基础上结合其他资料推测了古气候变化，并与现生Umlus pumila L。同时进行了气孔密度和气孔指数的统计，用生物学的方法推测了古大气CO2浓度，讨论了Berner的碳平衡模型。     

考虑误差影响的力学参数反分析神经网络方法研究

通过求偏导技术将反分析的参数误差分别表示为模型误差与测量误差的函数，利用这些函数研究了模型误差与测量误差在力学参数反分析神经网络方法中的传递过程以及影响反分析结果的影响因素．研究结果说明：输入变量的选择严重影响力学参数反分析的精度，选取力学参数灵敏度大的测点位移作为神经网络的输入变量，可以减小模型误差与测量误差对反分析结果的影响．这对提高力学参数反分析的实用性与可信性有重要意义．     

一种基于属性抽取与整合的Petri网模型

将感觉神经检测机制融合于Petri网中，提出了一种新的基于属性抽取与整合的感觉神经检测Petri网模型，使得Petri网更加适合于对神经思维的描述，提高了系统的智能行为。