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。     

泰安岩溶水系统地下水动力环境演化规律研究

从地下水水位的时空演化、地下水水位降落漏斗的形成和演化、地下水埋藏条件的演化以及地下水流场的变异等方面，分析总结出泰安岩溶水系统地下水动力环境的演化规律；指出岩溶水系统地下水动力环境演化是人类活动的结果。     

非经典Ekman方程的解和演化条件

建立了一个Ekman边界层的随机方程和非经典Ekman方程，研究了非经典Ekman流的频率响应、解和演化条件．有关研究结果表明，当经典Ekman流的切变足够大时，非经典Ekman流将发展起来，而且在相似条件和普适条件下，非经典Ekman流将分别朝最可几态(U3，V3)或(-fV3,fU2)演化．     

信息系统中软件重用和演化技术的研究

如何在软件生命周期内用较少工作量修改或不修改软件以适应软件需求变化是软件工程追求的目标之一，针对上述问题，我们基于面向对象技术利用数据驱动机制对信息系统软件进行重用和演化设计，使得信息系统软件更加灵活，具备演化能力，满足用户新需求，从而延长其生命期，并且可以实现领域内软件系统最大程度的重用，最后给出一个应用实例说明其有效性。     

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。     

海冰强度对应变速率敏感性及其演化模式

海冰对应变速率变化较敏感,在不同应变速率范围内可表现出不同的力学行为和强度特性.如辽东湾海冰在低应变速率下(ε.<1.0×10-3s-1),表现为连续体特征,其变形行为符合流动定律;在高应变速率下(ε.>3.0×10-3s-1),表现为脆性体特征,强度特性可用断裂力学理论描述;在韧-脆转变的范围内(1.0×10-3s-1<ε.<3.0×10-3s-1),海冰强度达到最大值.因此在不同应变速率段,海冰强度具有不同的本构模型.用海冰演化模式对辽东湾海冰(T=268K,d=7.0mm)进行了数值计算,结果与实验值十分吻合,说明该演化模式是有效的.     

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．     

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．