基于BP神经网络的彩色光弹性等色线自动定级法

把人工神经网络与光学彩色信息图像处理技术相结合，根据计算机的特点，选取红绿蓝（RGB）颜色模型，通过BP神经网络建立图像中像素点的RGB值与条纹级数F之间的非线性关系，对彩色光弹性条纹进行了插值，从而实现了等色线条纹的自动定级，用对径受压圆盘问题的理论精确解来检验，表明本方法与传统的分数级条纹补偿法相比，不仅可以实现条纹定级技术的自动化，而且精度较高，对提高三维结构光弹性模型切片的等色线测量精度有实用价值。     

分布时滞模糊BAM神经网络模型的指数稳定性

详细介绍了一类具分布时滞的模糊BAM（Bi·direction Associate Memory）神经网络模型．在合适的条件下,通过数学分析技巧和压缩映像原理,证明了模型平衡点的存在唯一性;通过构造Liapunov泛函,利用Lipschitz激励函数性质,获得了平衡点的指数稳定性．     

人工神经网络智能控制系统稳定性分析

从经典控制理论的稳定性问题出发 ,分析了现代控制理论和智能控制理论的稳定性判别方法 ,重点讨论了人工神经网络 ( ANN)智能控制系统的稳定性判别方法 ,并对基于神经元的自适应 PID控制器稳定性进行了分析。     

能耗均衡的非均匀分簇多跳路由协议

针对无线传感器网络能耗不均衡的问题, 提出一种非均匀分簇多跳路由协议ECBUC(Energy Consumption Balanced Unequal Clustering)。在簇首预选阶段引入能量因子, 使高能量节点参选的可能性增大; 分簇阶段通过竞争算法将网络划分为面积不均等的簇, 从而改善无线传感器网络的“热区冶问题; 在簇间路通过形成阶段给
出综合考虑中间节点的相对位置和剩余能量的评价指标, 协调了簇间通信的代价和网络的能量分布。经过仿真实验, ECBUC 协议可有效地均衡网络能耗, 与EEUC(Energy Efficient Uneven Clustering)协议相比, 使网络的生命周期平均延长了22. 29%, 提升了网络性能。     

面向产品的高技术企业集群协同创新集成研究

对创新的促进被认为是企业集群这种独特产业组织形式的重要优势,但少有文献关注集群内部不同主体间的创新集成问题。首先通过阐述产品创新系统化理论逻辑入手,指出企业集群的竞争优势源于集群整体资源的整合能力与协同创新;其次构建了集群协同产品创新集成实现系统,阐述了该系统的知识网络构成、过程协调和学习实现机制;最后提出基于价值创造知识网络和集群学习机制的模块化集群协同创新模式。     

基于圈的紧优双环网络G(N;1,s)求解算法

提出基于圈的紧优双环网络G(N;1,s)求解算法,利用VB6．0作为编程语言、SQL Server 2000作为数据库来实现这一算法,对任意给定N,而2≤s≤N-1的这样一族双环网络中的所有紧优双环网络都可以计算出来,结果存入数据库．算出N≤200的所有紧优双环网络。     

具有网间互连功能UPT的设计与实现

介绍了智能网的概念模型以及ＣＩＮ０１（ＣｈｉｎｅｓｅＩｎｔｅｌｉｇｅｎｔＮｅｔｗｏｒｋＮｏ０．１）系统特点，叙述了在其系统上实现具有网间互连功能业务的关键技术和策略，并给出一种ＵＰＴ（全球个人通信）业务的实现方法。     

轮胎纵向力的神经网络模型

将人工神经网络方法用于轮胎纵向力特性的建模，建立了以滑移(转)率为变量，以垂直载荷为参变量的轮胎纵向力神经网络模型。对轮胎实测数据与神经网络模型预测结果的对比表明，轮胎神经网络模型的精度能满足工程要求，BP前馈神经网络可有效地应用于车辆轮胎纵向力特性的数学建模，且建模过程简单，模型计算较快，预测精度较高。     

RBF-DDA 神经网络用于手写体汉字识别的研究

使用了一种新的神经网络模型———动态衰减调节径向基函数（ＲＢＦＤＤＡ），并结合一种新的特征提取方法来进行手写体汉字识别的研究，通过对１００种汉字、１５０００个样本的初步实验，取得了识别率为９９％的良好结果，表明将ＲＢＦＤＤＡ引入到手写体汉字识别的研究是比较成功和可行的。     

Visualization of Biomolecular Networks’ Comparison on Cytoscape

Similarities and dissimilarities between biomolecular networks cannot be intuitively recognized even after the development of several comparison algorithms because of the lack of visualization tools. In this paper, an integrated tool kit named Biomolecular Network Match（BNMatch） is designed and developed based on Cytoscape—a popular and open-source tool for analyzing and visualizing networks. BNMatch integrates the comparison of the outputs of algorithms used for processing biomolecular networks and expresses the matching data between them by defining similar vertices and links with similar attributes. Moreover, in order to maintain consistency, their counterparts in other networks change when the nodes and edges in one of the compared networks are changed. It becomes easy for users to analyze similar networks by invoking comparison algorithms and visualizing the matching data between the networks using BNMatch.