基于模糊神经网络的盾构造型器

本文介绍基于模糊神经网络的盾构选型器的原理，构成与特点，试验表明，该选型器具有很强的选型能力与自学习能力，同时系统操作维护方便有很好的实用价值。     

微机非线性励磁控制器改善电力系统稳定性(下)——应用研究

本文应用直接反馈线性化理论，结合实际应用，为发电机励磁系统设计了实用化的单机和多机统一的非线性励磁控制器，解决了电力系统的非线性特性在励磁控制器设计上的困难，使实现线性化的过程比微分几何法更加简捷、清晰．通过合理的实用化过程，使所设计的非线性励磁控制器达到了分散控制的要求     

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     

浅谈目标教学

根据美国教育学家、心理学家布卢姆的目标教学法与课堂教学特点，设计化学目标课堂教学基本程序．并以“铁的性质”一节进行实施，取得了较好的效果．     

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。     

开环放大倍数对反馈控制系统稳定性的影响

本文重点分析开环放大倍数对反馈控制系统稳定性所起的重要作用。并用“拉普拉斯变换”与“传递函数”方法从理论上说明了开环放大倍数对系统稳定性所扮演的重要角色。     

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。