一类推广的BAM模型的全局渐近稳定性分析

在B KOSKO双向联想记忆模型（BMA模型）上，引入了变时滞，去掉了连接权矩阵对称的要求，利用构造Liaponov泛函，得到了此动力学系统全局渐近稳定的条件，所得结果，在人工神经网络理论和应用研究中具有实际意义。     

利用中心代理实现移动Ad-Hoc网络接入的方法

实现移动Ad-Hoc网络（MANET）和Internet互联是目前移动接入领域的一个研究热点，针对已有接入方法所存在的缺点，提出一种以移动节点间相互竞争出现的中心节点作为移动代理，利用移动IP协议实现MANET接入Internet的新方法，并探讨了中心代理节点的选取、MANNET整体移动接入，代价等问题。该方法具有开销小、接入灵活、不需对移动IP做大的改动等优点。     

钢板与轻骨料混凝土组合梁试验研究

通过钢板与轻骨料混凝土组合梁的试验,研究影响其抗弯及变形性能的主要因素,详细地分析了其变形性能,建立其抗弯承载力计算公式,得到其荷载变形关系曲线·考虑钢板与混凝土组合梁本身结构及受力性能的复杂性,以数值积分方法为基础,考虑材料非线性,提出了一个钢板与混凝土组合梁从加载直至破坏的全过程非线性分析模式,编制计算程序,进一步明确钢板与轻骨料混凝土组合梁不同受力阶段的工作特性,得到其弯矩与曲率、荷载与变形关系曲线,计算结果与试验结果对比,二者吻合良好·     

人工神经网络用于水文资料的插补延长

水文资料的插补延长一直是水文计算中的一个难题。采用人工神经网络建立两个水文相似流域之间的耦合模型，用一个流域的资料来推求另一个流域的径流量。另外人工神经网络还用来捕捉降雨与径流间潜在的关系，从另一个途径解决水文资料的插补延长问题。大量的数值实验表明，人工神经网络可以成功地用于水文资料的外插或无资料地区的径流模拟预测。     

基于结构的神经网络模型

提出了一种基于结构的神经网络模型，并介绍了利用该模型进行系统建模与参数优化的方法，该神经网络模型本质上是结构化的，网络模型的结构与系统结构相对应，网络中神经元的个数是确定的，神经元之间的连接不是盲目的，而是根据子系统间的相互作用关系连接而成，网络的部分连接权值与系统结构参数相对应，具有明确的物理意义，所以，建模后可进一步进行结构参数的优化。     

BP网络激励函数的研究

研究BP算法中激励函数f对收敛速度的影响 ,并将其用于传感器静态误差的综合修正 ,实验证明取得了较好的效果 ,得出了陡峭函数收敛快的结论     

基于Hopfield网络的极小值问题学习算法

针对 Hopfield神经网络 (HNN )所存在的极小值问题及缺乏学习能力的问题 ,提出了一种学习算法。将决定约束条件权值大小的系数作为学习参数 ,在参数空间里使参数向着 HNN能量上升最快的方向学习 ,使网络状态能够有效地从可能陷入的极小值状态中逃脱出来。对于在状态空间里陷入极小值状态的 HNN,首先在参数空间里修正参数 ,然后再返回到状态空间里进行状态更新 ,如此反复 ,直至找到最优解或满意解。算法的有效性通过仿真实验进行了验证。该算法分别被应用于 10城市和 2 0城市的旅行商问题 ,结果能够以很高的比率收敛于最优解     

获得复合组织（马氏体加下贝氏体）的热处理工艺

研究了34SiMn2B钢和60Si2Cr钢获得复合组织（马氏体＋少量下贝氏体）的热处理工艺。结果表明，φ125的60Si2Cr钢球锻后水淬至120－130℃,然后加 热至300℃恒温1h，获得了马氏体加少量下贝氏体的复合组织;而φ150的34SiMn2B钢球锻后水淬至200℃，然后加热至300℃， 怛温3h，未获得下贝氏体组织。后者是水淬时产生了大量的马氏体而使未转变的奥氏体发生机械稳定化的结果。     

用BP神经网络法预测反相液相色谱保留值

运用逐步回归法筛选BP人工神经网络的输入元素改进BP网络的结构，并用于疏水分配常数及氢键作用能预测反相液相色谱保留值，结果表明，逐步回归法与人工神经网络相结合，能优化网络，大大提高网络收敛速度在很大程度上克服了通常BP网络过所合的缺点，较通常BP神经网络及回归法在处理构效关系方面有更强的信息处理能力和预测能力。     

SiO_2PMMA复合材料的粒度和结构

溶胶 凝胶技术合成了SiO2 PMMA无机 有机复合材料的均匀体系。用小角X 射线衍射、X 射线能谱仪对所合成的SiO2 PMMA无机 有机复合材料体系进行了粒度的测量。给出了在该种复合材料中 ,无机与有机成分的含量相对变化时 ,体系的粒度并不发生显著变化 ,该体系是有机相被包覆在无机相中所形成的网络等结论