具时滞的细胞神经网络的全局稳定性的新定理

提出了判定具有时滞的细胞神经网络渐近稳定性的一条新定理，可以证明，该定理的结论使得直到目前为止的所有全局渐近稳定性定理或推论均为其特例，并且证明简单，条件判定也较容易实现。     

基于灰度和梯度不变矩的人脸识别

提出一种新的人脸识别方法———灰度-梯度共轭不变矩法,克服了传统方法的缺点,在不增加复杂度的前提下,将灰度信息和梯度信息有效地结合起来,并将其共轭分布反映的纹理特征作为对灰度特征的补充参与特征分类.同时,对经典不变矩组进行分析并改进,消除了离散状态下比例因子的影响.以BP网络作为分类器进行试验,结果表明,与传统方法相比,该方法具有更高的识别率.     

一类新的离散时延递归RBF神经网络

提出了一类带有离散时间 FIR/ IIR滤波器的递归 RBF神经网络 ,用离散时间 FIR/ IIR滤波器代替通常的 RBF神经网络中的线性输出权值 ,以适用于离散动力学系统的辨识和控制以及混沌时间序列预测 .本文给出的学习算法简单 ,可以避免传统的递归算法的不稳定性 .将该类神经网络用于动力学系统的建模 ,收到很好的效果 .     

一类非线性系统的递归神经网络控制

递归神经网络（ＲＮＮ）由于具有极为丰富的动力学行为而被用在非线性控制系统中,但是传统的ＲＮＮ的训练算法不仅复杂,而且容易陷入局部极值点．作者通过对标准的遗传算法的改进,采用格雷编码方式、比赛选择策略和稳定状态更替方式,使其适用于ＲＮＮ控制器结构和参数的确定．此外,把ＲＮＮ控制器用于控制一类ＳＩＭＯ自不稳定非线性系统（ 如倒立摆系统） ,也收到很好的效果．     

六关节机器人的分散预测控制

分析和讨论了分散预测控制的多层控制结构,研究了在关联模型及参考轨迹已知的情况下的关联补偿和应用于机器人手臂控制的算法及改进．仿真结果证实了算法的有效性．     

六关节机器人的分散预测控制

分析和讨论了分散预测控制的多层控制结构,研究了在关联模型及参考轨迹已知的情况下的关联补偿和应用于机器人手臂控制的算法及改进．仿真结果证实了算法的有效性．     

关于Hopfield型神经网络稳定性的注记

对于李雅普诺夫函数的径向无界性证明，给出了严格的证法．同时在激励函数单调递增的条件减弱的情况下，给出了两条渐近稳定的定理，并给了严格的数学证明．最后用实例说明前人的工作是基于不同假设条件的，而非强弱程度不同的条件．     

时滞离散智能系统的动态输出反馈镇定控制器综合的统一方法

提出标准神经网络模型（SNNM）来描述包含神经网络或T—S模糊模型的时滞（或非时滞）离散智能系统．SNNM由离散线性动力学系统和有界静态非线性算子连接而成．利用SNNM的全局渐近稳定性分析的结果，分别设计线性或非线性动态输出反馈控制器，使得SNNM的闭环系统稳定．控制方程可以表示为线性矩阵不等式（LMI）形式，便于利用各种凸优化算法求解以获得控制规律．大部分基于神经网络（或模糊模型）的时滞（或非时滞）离散智能系统都可以转化为SNNM，以便采用统一的方法来综合这些智能系统的控制器．SNNM的3个应用例子表明：SNNM不仅使得大多数基于神经网络（或模糊模型）的离散智能系统镇定控制器的综合简单易行，而且为其他类型的非线性系统的控制器综合提供新的思路．     

超声波透射法在基桩检测中PSD评定的应用研究

文章主要对超声波透射法的原理及PSD判据法的应用进行了探讨,通过对PSD判据法的深入研究,改进了对桩身完整性的判断准确度。该文首先概述了超声波的原理及其测试方法,然后在工程实例中用PSD判据法对基桩完整性进行评定。通过工程实例,得出用PSD判据法判断桩身质量的简便性、准确性和专业性。     

RBF神经网络的一种鲁棒学习算法

用定标鲁棒代价函数代替传统的二次型指标，并结合改进的遗传算法，搜索近最优径向基函数神经网络（ＲＢＦＮＮ）的结构和参数。实验结果表明该训练方法比其他方法具有更强的鲁棒性，可提高ＲＢＦＮＮ的泛化能力，自动消除数据中的噪声，再现训练数据中的潜在规律。