联想记忆系统的学习算法设计（Ⅰ）

基于牛顿向前插公式设计了一种新的联想记忆系（ＮＦＩ－ＡＭＳ）的学习算法,用以实现任意阶的多变量多项式函数的无误差逼近。该系统与传统类型的ＣＭＡＣ－ＡＭＳ相比,具有学习精度高和记忆空间小的特点;且比多层的ＢＰ网络具有学习算法简单和收敛速度快的特点。数值模拟表明,这种ＮＦＩ－ＡＭＳ在信号处理,模式识别,及高精度的实时智能控制等领域具有很大的应用潜力。     

基于时延策略的输入缓存交换网络仲裁与分析

借助概率母函数的分析方法,对输入缓存方式交换网络的性能进行了理论分析,扩展了前人的分析结果,推出吞吐率和延时表达式闭和形式,并对这种网络的输出竞争,提出了一种简单的基一时延相关策略的神经网络仲裁算法,解决信元调度问题,仿真结果表明,该仲裁方法改善了网络性能。     

一种基于空间域和频谱域特征的图象分割方法

提出了一种基于空间域和频谱域特征的神经网络的医学图像分割方法．本方法不需要教师监督,能自动生成最优的网络输出节点,即分类数．对ＣＴ,ＭＲＩ和超声图像的分割表明本方法有效方便．     

AlGaAs／GaAs HBT基区电流的研究

在ALGaAs/GaAs HBT E-M模型直流参数的研究基础上,对HBT的基区电流进行了研究,特别是针对BE结空间电荷区的复合电流和基区表面复合电流,因为在HBT的小偏置情况下,HBT的BE结空间电荷区的复合电流和基区表面复合电流在整个基区电流中占有主导地位。当BE结间外加电压为0.5-1.2V时,ALGaAs HBT的基区电流的计算机模拟值和测试值比较接近,这一研究结果有助于进一步了解HBT的直流特性和1/?噪声特性。     

一种神经网络实现GPS导航定位算法

目的 研究ＧＰＳ接收机状态解算的估计方法。方法 利用Ｈｏｐｆｉｅｌｄ神经网络对ＧＰＳ接收机数据进行处理,结果 以统计自述平均误差和均方根误差作为衡量性能的指标,神经网络方法与迭代量小均方误差算法相比较定位误差减小,结论利用神经网络实现ＧＰＳ接收机状态解算是可行的,且与迭代最小均方误差算法比较,可提高定位精度。     

爆破地震峰值的神经网络预报模型

对爆破地震值进行预报,方法,采用神经网络模型,对秦山核电站某爆破工程监测得到的２０组震动峰值数据进行学习,然后对另１０组数据进行预报。结果,实测值与预报所在分类区域完全一致。     

基于实例的工艺知识获取模型

介绍了耦合神经网络的工艺设计实例推理系统的实现方法论,提出了一种基于神经网络的工艺设计实例推理索引模型．与现存大多数实例推理系统不同,该方法用神经网络实现实例的动态分类和索引．实例层次分类的三层结构和基于特征的聚类模板概念,为实现基于符号处理的实例推理求解模式向基于神经计算的模式识别求解模式映射提供了条件．提出了基于实例的工艺知识获取模型,采用新实例的入库操作实现工艺知识的隐式获取,从而使知识获取得以简化．神经网络的自适应、自学习能力将减少系统的日常维护工作．基于实例的系统可望解决知识获取的难题．     

基于神经网络的无监督自学习控制系统

所论系统的控制由两个神经网络完成,即对象放识器和系统控制器。并且提出了一种 新的学习算法,它能利用存贮于辨识网络的信息改进控制策略。该控制系统可以对非线性系统,不确定系统等进行无监督的学习控制。     

基于神经网络的液压柱塞泵松靴故障诊断

应用人工神经网络技术,对轴向柱塞泵壳体振动信号的功率谱进行了再处理,有效地诊断出了泵的松靴故障,为液压泵的故障诊断提供了新的途径。     

利用神经网络预测混凝土的抗压强度

应用人工神经中的神经元网络理论,预测混凝土的抗压强度值,探讨出一条预测混凝土抗压强度的理论方法,其结果具有较高的精确度。