结构优化的RBF神经网络学习算法

文章提出了一种自动“删减”隐层神经元的ＲＢＦ神经网络学习算法。模拟结果表明，该算法训练的ＲＢＦ网络不仅结构得以优化，同时性能良好，可能成功地应用于模式分类和时间序列预测问题中。     

基于LVQ网络优化的雷达目标识别算法

目标一维距离像在雷达目标识别领域中具有很高的研究价值,神经网络有很强的自适应能力,被广泛应用于目标识别领域中。通过研究分析,将学习向量量化（Learning Vector Quantization, LVQ）神经网络应用于雷达目标一维距离像识别。针对LVQ神经网络对初始连接权值敏感的问题和如何增强网络的分类识别性能,提出利用粒子群优化（Particle Swarm Optimization, PSO）算法对其进行优化。在此基础上提出了基于PSO-LVQ神经网络的雷达目标一维距离像识别新方法。通过3类飞机实测数据实验,验证了PSO算法优化LVQ神经网络初始连接权值的可行性和PSO-LVQ识别算法的有效性。     

基于BP神经网络的汽油机排气温度的标定

近年来随着计算机技术的发展,为其网络优异的函数逼近性能和分类性能应用于工程提供了硬件基础,神经网络由于其大多结构简单,算法易于理解和使用,有利于工程人员应用解决实际问题。本文介绍了BP神经网络在电控汽油机中排气温度的标定的方法,建立了一个基于BP神经网络的汽油机排气温度标定的算法。     

ART-2神经网络的研究与改进

ART—2神经网络可以很好地应用于模式识别中的聚类问题，但是由于其算法结构中固有的归一化环节，在处理数据过程中丢失了非常重要的幅度信息。在分析这一不足的基础上，提出两种改进算法，同时给出了相应的实验结果。     

三阶灰色神经网络模型的建立及其在导弹故障预报中的应用

为了解决导弹武器故障数据量小，无法利用现有的方法对其进行故障预报的问题，在分析灰色预测模型与BP网络算法的基础上，对现有的一阶灰色神经网络模型做了进一步优化和完善，并在此基础上建立了基于时间响应函数的三阶灰色神经网络GNNM（3，1）模型，推导出了模型的理论算法。将此算法应用于导弹惯性器件故障预报中，通过实例证明了GNNM（3，1）模型对导弹武器故障预报的有效性。     

基于熵的RBF神经网络在软测量中的应用

为了更好地确定RBF神经网络中心向量,并且使得最终的RBF神经网络结构可以进一步调整。提出了一种使用熵聚类的算法来首先确定RBF神经网络隐节点的个数及其初始值,实现初始化的基础上使用常规算法调整RBF神经网络的中心和训练宽度,最后使用基于互信息的RBF神经网络修剪算法调整网络结构。并将上述算法应用于COD软测量问题中,仿真实验结果表明：改进的算法与常规的算法相比,提高了训练速度和逼近精度。     

一种快速全局优化的神经网络及其在数据融合中的应用

本文将遗传算法的全局性和ＥＭ算法的快速性相结合，提出了一种快速全局优化神经网络，并将其应用于数据 事中，理论与实验结果表明该算法在数据融合中具有很强的鲁棒性。     

基于遗传神经网络的入侵检测方法研究

首先介绍了人工神经网络和遗传算法的基本原理，进行分析后将这两种方法相结合提出一种GABP遗传神经网络算法及其实现过程，并将其应用于入侵检测中，和传统的BP神经网络相比具有较好的效果。     

基于SPDS算法神经网络的CDMA多用户检测

针对基于单参数动态搜索(SPDS)算法的神经网络应用于DS-CDMA通信的多用户检测的问题,先给出了在同步高斯信道下运用三层基于SPDS算法的神经网络解调扩频信号的结构框图,然后给出了SPDS算法的优点和具体实现步骤,并分析了基于这种网络进行多用户检测的理论依据和实际性能。仿真结果表明,无论是抗多址干扰还是抑制远近效应,基于SPDS算法的神经网络接收机都明显优于传统接收机和普通BP神经网络接收机。     

基于BP神经网络算法的入侵检测技术

在入侵检测中应用神经网络技术,可以大大提高入侵检测的检测率,有效提高网络数据的安全。本文分析了BP神经网络应用于入侵检测的实现方式及存在的问题,并对现有的BP神经网络算法进行改进,阐述了基于BP神经网络入侵检测系统及仿真实验。