人工神经网络的研究及应用

人工神经网络是由大量基本元件－神经元（细胞）构成的非线性动力学系统。近１０多年来，人工神经网络的研究工作十分活跃，取得了很大的进展，已成为涉及电子科学、计算机科学、自动控制、数学、物理、生物学等领域的交叉前沿学科，对各种工程学科的发展正产生巨大的影响。目前已有数十种模型，其中常见的有霍普菲尔德神经网络模型（ＨＮＮ）、细胞神经网络模型（ＣＮＮ）和反向传播（ＢＰ）神经网络模型等３种。简要介绍了这３种模     

具有时滞的细胞神经网络的稳定性

该文研究了具有时滞的细胞神经网络的稳定性问题,运用Lyapunov泛函法和Razumikhin法分别给出了时滞细胞神经网络全局渐近稳定的两个新的充分条件。其中,第一个条件与时延无关,而第二个条件与时延有关。获得的定理推广了已有文献中的结果,对于时滞细胞神经网络的硬件设计具有一定的指导意义。     

细胞神经网络的全局指数稳定性

本文研究了细胞神经网络的全局指数稳定性问题,运用Lyapunov函数法和不等式的分析技巧给出了细胞神经网络全局指数稳定的三个判据。     

二进Hopfield型神经网络的记忆容量

本文证明了具有Ｎ个神经元的二进Ｈｏｐｆｉｅｌｄ型神经网络可存储的记忆模式的最大数目为２＾Ｎ，对于任意Ｋ（１≤Ｋ≤２＾Ｎ）个Ｎ维二进值向量，给出了它们成为具有Ｎ个神经元的二进Ｈｏｐｆｉｅｌｄ型神经网络稳定态的充要条件。文中指出了一个二进Ｈｏｐｆｉｅｌｄ型神经网络有可能没有任何稳定态，这是与连续Ｈｏｐｆｉｅｌｄ型神经网络的一个重要区别。最后，给出本文的主要结论。     

反馈型细胞神经网络稳定性研究

一个含有Ｍ×Ｎ个细胞的反馈型细胞神经网络可以等效成一个非反馈连接网络；这一非反馈连接网络含有２Ｍ×Ｎ个细胞，具有似镜象结构邻域和空间可变权重模板，输入权重模板为零。本文给出了反馈型细胞神经网络的稳定性定理，以及在似镜象结构邻域下的变换形式！?     

细胞神经网络在地图识别中的应用

一幅图形元素的轮廓线的表示等价于具有不同最小检测宽度的直线的表示，在本中，基于细胞神经网络理论，提出了一种提取和分离地图元素的方法，还给出了提取和分离一个小街区网络图的结果，模拟结果是令人满意的。     

基于神经网络BP算法PECVD Si3N4钝化工艺的模拟

由于ＩＣ制造过程的高度复杂非线性，利用传统的方法进行工艺分析难以获得满意的结果，现描述一种新的途径－－神经网络反向传播算法，并介绍了神经网络ＢＰ算法ＰＥＣＶＤ Ｓｉ３Ｎ４钝化工艺中的应用。通过建立ＰＥＣＶＤ淀积工艺的神经网络模型，对ＰＥＣＶＤ Ｓｉ３Ｎ４钝化工艺进行了计算机模拟，讨论了相关工艺条件对Ｓｉ３Ｎ４介质膜特性的影响，所编写的神经网络应用程序已用Ｃ语言在计算机上得到了实现。     

断续传输原始数据的DPCM图像压缩编码方法

本文提出一种新的用于卫星遥感图像传输的ＤＰＣＭ图像压缩编码方法：断续传输原始数据的ＤＰＣＭ图像压缩编码方法。其基本思想是每隔一个３×３小块图像传输一个图像原始数据，用统计方法求取预测方程中的预测系数，采用神经网络方法预先设计量化器     

应用细胞神经网络求解泊松方程的新途径

研究了细胞神经网络在求解泊松方程方面的应用，用集成运算放大电路实现了细胞神经网络，并进行了模拟求解，其结果是令人满意的，实验证明，用细胞神经网络可以求解泊松方程，这是一条新的途径。     

分形细胞神经网络用于联想记忆

本文提出了分形细胞神经网络，并成功地应用于联想记忆，从模拟结果看，分形细胞神经网络的联想记忆能力好于Ｂａｒａｍ提出的分形神经网络。     

反馈型细胞神经网络稳定性研究

一个含有MN个细胞的反馈型细胞神经网络可以等效成一个非反馈连接网络;这一非反馈连接网络含有2MN个细胞、具有似镜象结构邻域和空间可变权重模板、输入权重模板为零。本文给出了反馈型细胞神经网络的稳定性定理,以及在似镜象结构邻域下的变换形式。     

动态分布参数神经网络时空稳定性分析

本文将Ｈｏｐｆｉｅｌｄ自联想神经网络和Ｋｏｓｋｏ异联想神经推广到无穷维状态空间动态神经网络，即动态分布参数神经网络，并给出了它们的有界性和稳定性。尤其是还研究了带微分算子的多维分布参数神经网络的时空稳定性以及保证稳定情况下所应满足的边界条件，最后，还给出了一个应用实例。     

离散Hopfield神经网络和联想记忆的开关电流技术实现

研究了离散Ｈｏｐｆｉｅｌｄ神经网络（ＤＨＮＮ）和联想记忆神经网络的开关电流技术实现，利用多权输入跨导，开关电流延迟器（ＳＩＤ）和可编程电流比较器（ＰＣＣ）实现了离散Ｈｏｐｉｅｌｄ神经网络，并提出了利用离散Ｈｏｐｆｉｅｌｄ神经网络实现自联想记忆时相应的开关电流电路，所提出了开关电流神经网络适宜于超大规模集成，能在低电压（如３．３Ｖ）下工作。     

时延细胞神经网络的渐近稳定性条件

该文利用一个新的Liapunov函数,讨论了带时延细胞神经网络的全局渐近稳定性,得到了一些判定网络的全局渐近稳定新的充分条件,所得到的结果较之P.P.Civalleri等人的结果简单和实用且对于具体设计带时延细胞神经网络有重要的指导意义。     

随机细胞神经网络的指数稳定性

本文研究了随机时滞细胞神经网络的指数稳定性,建立了这种细胞神经网络均方指数稳定与几乎必然指数稳定的充分条件,其条件分为时滞无关与时滞相关两种.     

广义的时滞细胞神经网络的动态分析

本文研究了广义细胞神经网络的动态行为,首先利用度理论建立了客中广义时滞细胞神经网络的平衡点存在唯一物充要条件,其次给出这种广义时滞神经网络全局指数稳定的充要条件。     

细胞神经网络在通信信号处理中的研究进展

基于非线性理论的通信信号处理一直是信号处理领域的热点研究问题。细胞神经网络(CNN)作为最易于VLSI实现的一类神经网络 ,是非线性理论的一个重要研究方向 ,近年来在通信信号处理领域取得了许多重要进展。文中主要介绍了细胞神经网络的基本理论、结构及其在通信信号处理中的研究进展 ,并指出其今后在通信信号处理中的进一步研究方向     

带时延的细胞神经网络的无条件稳定性

本文利用泛函微分方程稳定性分析的方法之一－－Ｌｉａｐｕｎｏｖ泛函法给出了带 时延的细胞神经网络ＤＣＮＮ无条件稳定的一些充分条件，这些条件可用于设计出全局稳定的网络，因而具有重要的理论意义和应用价值。     

一种用于图像二值化的细胞神经网络模型

本文提出了一种用于图像二值化的神经网络模型，它们称它为数字式细胞神经网络。它基于蔡少堂等提出的细胞神经网络概念，但采用了神经元离散时间的数字动力学技术，利用这个模型，只要通过简单的整数运算就可以并行高速地对灰度图像进行二值化，对于不同邻接和权值的选择得到了比传统二值化方法更自然的二值图像。另外，所提出的神经网络模型非常适合于数字ＶＬＳＩ实现。     

用于数字式细胞神经网络设计的学习算法

本文针对数字式细胞神经网络的应用，给出了ＤＣＮＮ模板的设计方法，即不等式构造法，并提出一个基于松弛法的ＤＣＮＮ有老师学习算法，为ＤＣＮＮ的设计提供了理论根据。在连通片检测等应用中的模拟表明了算法的有效性和正确性。