我国北宋时期占城稻的推广与发展

占城稻原产于古占城国(今越南中南部)。关于北宋时期占城稻引种时间、推广与发展的成果和意义，因史料不详，众说纷纭。结合当时自然、社会条件，通过分析资料，认为在北宋时期，因人口增加，粮食短缺，政府大力倡导、认真组织，民间积极响应的社会条件下，利用占城稻的耐旱特性，扩大粮食种植面积，达到了增加粮食产量的目的，并为以后江南地区稻麦两熟制的发展莫定了基础。     

基于RBF网络的增量学习

提出了一种基于径向网络的增量学习算法 ,在对新样本进行学习时 ,通过恢复受干扰样本的方式来尽可能保持已有的知识不变 .模拟实验证明了本算法的正确性和有效性 .     

西安城市周边地带的界定

在定义城市周边地带的基础上，分析了城市周边地带城市化特征．根据西安市城市空间结构现状，利用专家打分法确定了西安市各区县隐性城市化调整系数，提出计算其城市化率的公式．根据计算结果初步界定了西安城市周边地带范围．     

投产采区片盒斜井开准方式应用分析

本文以资兴满春岭井为例，运用方案比较法系统分析了笔者提出的“投产采区片盘斜井开拓准备方式”，指出该法简化了开拓部署，改革了采区布置，具有明显的社会经济效益，尤其适合在南方小井推广。图２，表１，参４。     

基于神经网络的建筑行业投标报价研究

在建筑行业的投标报价过程中，如何在众多的信息中选出对最终报价影响较大的几项因素以及如何确定这些因素与最终报价之间的关系是一个棘手的问题．论文针对这两大难题提出了基于神经网络技术的解决方法．首先根据贡献变量分析理论确定出影响报价结果的9个报价因素，从而建立起基于神经网络的报价模型，然后在所确定模型的基础上改进传统的BP算法，进一步提高网络的泛化能力．从实际应用的结果可以看出，经过变量选择后所确定的报价因素是合理的，改进学习算法后的网络的泛化能力也有了很大的提高．     

Non-Minimum Phase Nonlinear System Predictive Control Based on Local Recurrent Neural Networks

Abstract: After a recursive multi-step-ahead predictor for nonlinear systems based on local recurrent neural networks isintroduced, an intelligent PID controller is adopted to correct the errors including identified model errors and accumulatederrors produced in the recursive process. Characterized by predictive control, this method can achieve a good controlaccuracy and has good robustness. A simulation study shows that this control algorithm is very effective.     

Petri网络在无控制交叉口延误分析中的应用

选用比较适合描述系统组织结构和动态行为的Petri网络模型对主路优先通行的无信号交叉口运行过程建立HSPN模型．在此基础上，结合间隙接受理论，对无控制交叉口进行平均延误分析探索，为交叉口仿真控制软件的研发奠定了算法基础。     

利用生态资源优势,开发"红三角"地区有机食品

结合国内外有机农业和有机食品的发展趋势，简要分析了韶关、赣州和郴州“红三角”地区开发有机食品的自然生态资源条件和对当地社会、经济发展的重要意义，并对三地区开发有机食品提出了一些建议．     

构筑产学研结合立体网络的研究与实践

从校内“局域网”、社会“城域网”以及全球“因特网”三个方面探讨产学研结合立体网络的构建。联系工作实际，探索校企合作建设产学研基地和网络的有效途径。     

Discovering Frequent Subtrees from XML Data Using Neural Networks

By rapid progress of network and storage technologies, a huge amount of electronic data such as Web pages and XML has been available on Internet. In this paper, we study a data-mining problem of discovering frequent ordered sub-trees in a large collection of XML data, where both of the patterns and the data are modeled by labeled ordered trees. We present an efficient algorithm of Ordered Subtree Miner （OSTMiner） based on two- layer neural networks with Hebb rule, that computes all ordered sub-trees appearing in a collection of XML trees with frequent above a user-specified threshold using a special structure EM-tree. In this algo- rithm, EM-tree is used as an extended merging tree to supply scheme information for efficient pruning and mining frequent sub-trees. Experiments results showed that OSTMiner has good response time and scales well.