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。     

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     

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。     

零序导纳法馈线接地保护的研究

在数字馈线保护中，利用线路故障前后零测量导纳及其电导的特点，来判断馈线是否发生故障，具有较高的保护精度和可靠性，设计了RSL数字线路保护中的馈线接地保护功能。     

功率集成光激MOS控制交流多路开关模拟设计

介绍了一种新型功率集成光激MOS控制多路开关，它由双向晶闸管，MOS器件，光电器件组成。此开关通过光电转换来实现强电与弱电之间的隔离，可工作在交流状态，其通态压降低，约在1．5－3V之间，并对其阻断特性，电流特性，开关特性进行了全面的模糊分析，此开关适用于开发各种电源开关产品。     

大坝基础渗流量预测的交替学习人工神经网络方法研究

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理，具有高度非线性、自适应、自学习等一系列优点，广泛应用于物理量的预测预报中。为此提出并建立了基于交替学习迭代算法的人工神经网络模型，结合清江隔河岩水电站的实际，研究了这种模型在大坝基础渗流量预测中的应用，其预报精度较高，可望推广应用到大坝安全监控中去。