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。     

线性非时变系统全响应的算子算法

在传统的算子理论基础上,建立了电路的算子模型,提出了求解线性非时变系统全响应的一种新方法。与传统的时域、复频域方法相比,此方法计算简便,物理意义明晰。     

基于记忆图样权重的联想记忆神经网络学习算法

提出了记忆图样对神经突触联接强度的贡献权重概念。通过使原图样成为稳定态即稳定条件得到的方案求解该权重,得到了突触联结强度矩阵,实现了神经网络相关模式的联想记忆。将此算法和其它联想记忆算法进行了比较和讨论,并用计算机进行了模拟。     

基于园区网络的多层网络拓扑发现算法研究

逻辑网络拓扑发现的缺陷在于,它仅发现网络层的网络拓扑,而不发现在物理层及链路层的网络拓扑结构,且无法发现和管理虚拟网。针对这一不足,将多层网络拓扑发现的功能引入网络管理系统软件之中,提出基于园区网络、Ｗｉｎｄｏｗｓ平台的多层网络拓扑发现的算法,研究结果对制作具有自己版权的网络管理系统软件将有参考意义。     

神经网络中误差反传算法的分析与改进

分析了ＢＰ网络存在的主要问题及其产生原因,提出了改进算法ＢＰＧ,以共轭梯度方向代替梯度方向进行搜索,并在学习过程中采用不精确的一维搜索、限幅和条件轮回等措施．计算机仿真结果表明：改进的ＢＰＧ算法优于原ＢＰ算法．     

一种使用非线性循环数列解决堆栈问题的算法

提出了一种使用非线性循环数列解决堆栈问题的算法,对研究栈的性质和求解栈的输出序列具有一定的实用价值。     

有源结构声辐射自适应控制系统的一种新算法

提出了一种适用于有源结构声辐射自适应控制系统的新算法,它直接利用传感器拾取的干扰信号和误差信号实时地建立系统模型和误差通道模型,通过解Ｄｉｏｐｈａｎｔｉｎｅ方程得到自适应控制模型,仿真表明新算法较传统的Ｆｉｌｔｅ－ＸＬＭＳ等算法具有更好的收敛性。     

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。     

BP神经网络用于函数逼近的最佳隐层结构

研究采用反向传播算法的人工神经网络用于函数逼近时的支结构。方法,以典型的ｎ输入、单输出的多层ＢＰ网为例,在几种不同的网络隐层结构下对典的连续函数进行逼近训练。,分析各网络输出的全局误差。     

一种基于链码的轮廓平滑算法

研究基于目标轮廓链码的轮廓平滑算法。方法通过对目标轮廓链码的分析,选出在人工目标中出现较少或不可能出现的边缘作为不平滑边缘,通过变换将之转换成平滑边缘。