二值神经网络的推理和矛盾分析

由节点和约束组成的约束满足网络(Constraint satisfaction networks,简称CSNs)能够描述许多问题,在AI中具有十分重要的地位.神经网络(Neural networks,简称NNs)能够被看作CSNs,而且被认为是适合于求解约束满足问题,因此NNs中必然有一个相应的逻辑理论.本文通过对比CSNs提出了弱推理理论和矛盾分析法,以研究二值神经网络的定性逻辑行为.文中用神经元(称为判决元)表示判决,连接表示判决元之间的柔性约束并执行     

用人工神经网络研究合金相晶型和原子结构的关系

我们曾用化学键参数和模式识别方法研究合金相的晶型规律,取得较好结果。但所用的参数(金属半径和元素的电负性)系半经验参数,其物理意义和数值准确性两方面均有不够严格之处。在本工作中,我们试用描述原子核外电子各壳层结构的几个数值(组分原子的价电子数Z_1,Z_2;价电子主量子数n_1,n_2次内层的d电子数nd_1,nd_2等)作为人工神经网络输入值,用已知合金相晶型训练求得多种合金相形成条件的人工神经网络判据。我们用AB价型的合金相样本(包括CsCl型、NaTl型、CoSn型、AuCu型、CrB型),AB_2型合金相样本(包括Laves相、AlB_2型、CuAl_2型)以及AB_3型合金相样本(包括A15型、AuCu_3型)训练3层人工神经网络。求得晶型判据后试行对新发现的AB型、AB_2型和AB_3型合金相的晶型作计算机预报。其中DyMg_2,LuAl_2,NdMg_2预报为     

神经网络高炉铁水含硅量预报模型

研究了基于神经网络的高炉铁水含硅量预报模型，运用高炉生产过程中工艺参数，实现了铁水含硅量的中短期预报，仿真结果表明，本模型具有良好的预报效果。     

基于PCA的概率神经网络模式分类方法

研究了概率神经网络隐单元主要分量的选取方法。这些方法的概率神经网络比原来的网络大大降低了隐单元数，并且带来分类测试时间减少的增益。最后，就模拟和实测两组数据进行了计算机仿真，实验结果证实了这种方法的可行性。     

人工神经网络与小波变换

相应于人工神经网络逼近非线性系统问题引入了一种亲的小波变换并研究了其性质，作为推论，给出了Ｌｐ范数下定理的一个构造性证明。     

一种指数型动态神经网络的定性分析

研究了由Ｔ．Ｄ．Ｃｈｉｕｃｈ和Ｒ．Ｍ．Ｇｏｏｄｍａｎ在１９８８年提出的指数型动态神经网络，给出了给定标准模式为该网络稳定点的一个简明的充分条件，并得到了这类稳定点的一步收敛半径。指出在概率意义下系统不存在伪稳态。     

多层前馈神经网络的动态规划算法

利用动态规划来训练多层前馈网络，即逐层修改网络的权值。其算法采用有关文献提出的矩阵的广义逆的正交反向传播算法，经有限次迭代即可得到每一层的最优权值。     

神经网络自适应模糊控制器设计与应用

把神经网与模糊系统相结合，提出一种基于神经网络的自适应模糊控制器，这种控制系统由模糊神经网络控制器和模糊网络组成，具有自适应学习能力，仿真结果以及应用于温度控制系统中，其鲁棒性明显优于一般Ｆｕｚｚｙ控制。     

神经网络的动力学行为与信息处理

从一个神圣神经元模型出发，研究了由１０００个神经元组成的网络中神经元动作电位发放的动力学特性。由神经元动作电位发放的动态时间一空间图形和时间间隔序列，我们发现在周期性外刺激下网络动力学行为表现出复杂的时空结构。     

应用遗传算法求解计算机通信网的最佳路由─—一种新的遍历匹配选择法

求解计算机通信网的时延和路由选择是一个多约束条件的非线性优化问题，采用遗传算法求解是目前比较有效的方法。本文以遗传算法的基本思想为基础，提出了一种新的遍历匹配选择法，通过实例计算，采用这一选择方式的遗传算法能快速求出问题的全局近似最优解，且具有较高的计算精度。