智能预报模式与水文中长期智能预报方法

建立了以模糊优选、BP神经网络及遗传算法有机结合的智能预报模式与方法。在应用该方法进行中长期水文智能预报时，首先选取训练样本的数量，根据预报因子与预报对象的相关关系得到相对隶属度矩阵;再将其作为BP神经网络输入值以训练连接权重；最后将得到的连接权重值用于预报检验。计算结果表明，智能预报模式与方法的运行速度、精度及稳定性都达到了实际应用的要求。     

一类带Gauss白噪声的随机信号传递系统的优化建模与系统分析

运用随机控制理论与方法 ,提出并研究了一类带Gauss白噪声的随机信号传递系统的数学建模与优化问题 .对在这类信号下的可容许编码函数与译码函数进行了最佳运算与优化分析 ,得到了该状态下的两个最佳控制数学模型 ;给出了此类随机信号传递系统的最佳编码与最佳译码的建立方法 ,为进一步提高该类信号传递系统的效率提供了一种理想的数学处理方法     

BP神经网络在氯代羟基苯甲醛QSRR研究中的应用

用BP神经网络法对氯代羟基苯甲醛的定量结构-色谱保留值关系(QSRR)进行了研究,采用多元回归分析对此类化合物的QSRR进行了比较研究，并用因子分析法的斜交因子得分图直观地揭示了上述两法在运用中的优劣差异。     

利用BP神经网络识别数字图像

本文首先介绍了数字图像以及数字图像在试验中的存储方式，然后分析了实验中使用的三层BP神经网络模型及神经网络学习算法，讨论了图像中心区域象素点与边缘区域象素点不同的处理过程，最后描述该BP神经网络的识别结果及应进一步研究的几个问题。实验表明，用BP神经网络识别数字图像是一种高效、高正确率的方法。     

外信息在Turbo迭代译码中的使用研究

以易于工程实现的Log-MAP算法为基础，深入研究了两种不同的外信息使用方式：Berrou方案及Robertson方案，指出两种外信息使用方式具有统一性，不同的是迭代译码过程中对外信息使用权重的处理；在相同约束条件下对基于两种外信息使用方式的Turbo码性能进行蒙特卡罗仿真，结果表明Robertson方案从整体上要略优于Berrou方案。     

基于模糊C均值聚类和神经网络的短时交通流预测方法

短时交通流预测是动态交通控制和诱导的前提。提出一种模糊C均值聚类和神经网络相结合的短时交通流预测方法。用同一组实测数据对比计算了该方法与BP神经网络预测方法、模糊神经网络预测方法分别得到的预测结果。计算结果表明：所提出的方法的预测准确性明显地高于其他两种方法。     

人工神经网络构造经济预测模型方法的探讨

探讨利用人工神经网络建立经济模型的一般原理和方法,并通过构造一个宏观经济模型的实例加以说明.与传统的回归分析方法相比,人工神经网络具有良好的适应性和分析预测能力.     

基于BP神经网络的船舶管系CAPP研究

介绍了一种新的舰船管系柔性编码方法和加工工艺推理方法．即利用成组技术原理，编制舰船管系特征码和加工码，并利用BP神经网络进行加工工艺推理，在总结BP神经网络推理方法的基础上，给出了利用BP神经网络开发船舶管系CAPP的方法，并论述这种方法的优点．这种推理方法极大地提高了船舶管系CAPP系统的柔性，开发了一种应用于不同厂家的CAPP系统。     

BP神经网络在路径规划中的应用

神经网络由于其具有对数据大规模并行处理及对知识有较强的融合能力的优点，因此将它应用于机器人路径规划中，但是BP网络极容易陷入局部极小值，应用加权策略解决了此问题．仿真结果表明，BP神经网络应用于移动机器人路径规划具有正确性、高效性、实用性和智能性等优势．     

应用级联神经网络预测供热锅炉次日小时热负荷的初步研究

通过对供热锅炉房热负荷的分析，建立了基于两个BP网络的级联神经网络(CNN)。相关性分析表明，可将时间序列负荷数据作纵横向分离，横向相关系列负荷可作为CNN前一BP子网络的输入数据，纵向相关系列负荷可作为CNN后一BP子网络的输入数据。前一BP子网络用于小时负荷的初始预测，其预测结果加入后一BP子网络的输入系列，实现对负荷的精确预测。按照此模型，建立了某一印染厂锅炉房次日小时蒸汽负荷的CNN预测模型。程序运行结果表明该模型在预测时足够准确可靠。