ART神经网络集成系统软件的研制

根据自适应谐振理论以及心理学、生物化学和神经生理学研究成果，深入研究了ＡＲＴ神经网络模型并探索出ＡＲＴ１网络、ＦＡＲＴ网络、ＡＲＴ２网络和ＡＲＴ３网络所对应的一套实用基本算法，在此基础上研制完成了ＡＲＴ神经网络集成系统软件并将其应用于轴承的状态监测和故障诊断。     

ART神经网络集成系统软件的研制

根据自适应谐振理论以及心理学，生物化学和神经生理学研究成果，深入研究了ＡＲＴ神经网络模型并振探索出ＡＲＴ１神经，ＦＡＲＴ网络，ＡＲＴ２网络和ＡＲＴ３网络所对应后套实用基本算法，在此基础上，研制完成了ＡＲＴ神经网络集成系统软件并将其应用于轴承的生态监测和故障诊断。     

一种集成模糊聚类神经网络

在分析了模糊ＡＲＴ网和ＢＰ网的基础上，提出了把模糊ＡＲＴ网的结构自适应能力和ＢＰ网良好记忆能力结合起来的思想，构成一种集成模糊聚类神经网络，该网络的特点是：类别数不需预先确定，分类效果优于模糊ＡＲＴ网和ＢＰ网。     

V带智能CAD系统结构与神经网络应用

结合Ｖ带传动智能ＣＡＤ系统的总体结构,系统回溯等问题,通过ＡＲＴ网络在Ｖ带传动智能ＣＡＤ系统中的一个具体应用实例,讨论了该系统的结构和网络应用问题。     

ART3神经网络的研究分析及应用

在ＡＲＴ３神经网络模型的研究基础上，分析比较了ＡＲＴ３的分布式和压缩式识别码的模式识别情况，并且与ＡＲＴ２神经网络模式识别情况进行了比较，并将其应用在轴承故障诊断中．研究分析表明：ＡＲＴ３不仅继承了ＡＲＴ１和ＡＲＴ２神经网络的功能，而且还具备了相当强的功能和可扩展的潜力．     

ART3神经网络的研究分析及应用

在ＡＲＴ３神经网络模型的研究基础上，分析比较了ＡＲＴ３的分布式和压缩式识别码的模式识别情况，并且与ＡＲＴ２神经网络模式识别情况进行了比较，并将其应用在轴承故障诊断中，研究分析表明，ＡＲＴ３不仅继承了ＡＲＴ１和ＡＲＴ２神经网络的功能，而且还具备了相当强的功能和可扩展的潜力。     

人工神经网络及其在焊接中的应用

介绍了ＢＰ网络、Ｈｏｐｆｉｅｌｄ网络、ＡＲＴ网络和ＣＭＡＣ网络等几种主要的神经网络模型及其特点，阐述了神经网络在焊接领域中的应用，如焊缝跟踪、焊缝成型控制、缺陷检测、焊接接头性能预测及焊接过程稳定性控制等方面的研究现状，并探讨了其发展趋势。     

人工神经网络用于采煤机故障诊断系统初探

分析了典型的有导师监督模型ＢＰ网络、无导师监督模型ＡＲＴ网络的工作过程，探讨了将这两种神经网络应用于采煤机故障诊断的可能性     

一种人工神经网络方法在被动声纳目标识别中的应用研究

水下目标识别是水声信号处理领域中的一个重要课题。本文针对水下目标辐射噪声类别特征不明显的特点，提出了一种有监督的模糊ＡＲＴ神经网络（ＳＦＡＲＴ）分类器，通过对声纳目标信号的分类试验表明：该网络分类器具有迭代次数少，识别率高的优点，是一种很有实际应用价值的分类器模型。     

ART网在地图彩色分类中的应用

该文根据ＡＲＴ网的特点和功能及地图彩色分类的要求，提出了用于地图彩色分类的扩展ＡＲＴ网（简称ＥＡＲＴ网）。文中介绍了该网的模型、算法、参数选择，并给出了实验结果。     

基于自适应共振理论的结构损伤识别

目的基于自适应共振理论,提出一种基于ART2神经网络的结构损伤识别方法,以实现结构损伤识别的自主学习.方法采用一种改进算法来解决ART2方法中对输入矢量必须是非负实数的要求,并通过主成分分析方法对网络的输入矢量进行降维处理.结果通过对健康监测基准问题模型的计算表明,所采用的改进算法使得网络的输入扩展到整个实数域,且主成分分析方法有效地降低了输入矢量的维数,减少了网络的学习训练时间,从而提高了网络的泛化和判别决策能力.结论基于ART2神经网络的结构损伤识别方法具有自组织、反馈式增量学习机能,能够在不破坏原有记忆样本的情况下,学习新的样本,可以在较强噪声环境下快速准确地识别损伤,适宜于结构损伤的在线监测.     

基于SFAM网络的机械零件不变性模式识别

本文对机械零件进行图像采集,计算零件的正交Fourier-Mellin矩,采用SFAM网络和ART2网络分别对三种差别较小的机械零件进行识别试验。结果表明,SFAM网络克服了ART2网络抗噪性和分类性能的矛盾,比ART2网络具有更高的识别精度。     

具有双向检测机制的ART2神经元网络

为了解决传统的自适应共振理论(T-ART2)网络和增设最初模板的ART2(OP-ART2)网络对模式类渐变过程的不敏感性而导致的识别性能较差的缺陷,提出具有双向检测机制的ART2(BM-ART2)网络.它增设两个门限,对输入模式的聚类进行双向检测,并采用更能反映模式本身特性的比较层输出计算相似度.对一组等腰三角形模式的聚类测试表明,BM-ART2网络能识别模式类的渐变过程,杜绝或减少了模式超出与交混等异常现象,其聚类性能明显优于原先的ART2网络.     

基于数据挖掘的自动化推荐系统算法

结合人工神经网络中的自适应共振理论（ART）及数据挖掘（Data Mining）技术来建构一个可自动聚类族群特征且能挖掘出关联特质的自动化在线推荐系统。探讨如何有效地运用数据挖掘技术从大量的数据库中挖掘出完整知识,以推荐适当的信息给使用者,帮助他们在浩大的信息流中找到真正需要、有用的文件或信息。整合ART及数据挖掘技术,并针对推荐系统的特性提出一种改进的ART算法（MART算法）。实例验证了算法的有效性。     

基于耦合人工神经网络的工业材料选择与决策方法研究

为了实现工业材料的快速选择和决策,提出利用以往工业产品设计方案实例来训练神经网络.通过目标产品的编码信息和索引模式实现知识推理,从而获得所需的信息.文中首先研究了工业材料选择与决策方法的耦合神经体系结构,通过ART1网络的学习规则和工作规则,解决工业材料的选择和决策问题,并给出了ART1神经网络模式的链式32位二进制工业材料编码方法.通过实例推理、神经元网络、面向对象等技术,使得基于耦合神经网络的工业材料和决策系统能够有效地实现产品的方案设计,达到了预期目的.     

支持MPLS流量工程的选播路由

对选播服务的网络负载均衡做了研究,提出一种支持多协议标签交换（MPLS）流量工程的选播路由算法（ART）．ART基于最小冲突路由机制,通过MPLS约束路由的标记分发协议（CR LDP）建立1条从选播服务器到客户方向的标记交换路径（LSP）,并预留带宽资源．仿真结果表明,ART能平衡网络的负载,在选播服务中实现网络资源的优化利用,并且在传输服务数据流时,能减少时延及数据包的丢失．     

小波包分解与Fuzzy ART神经网络在磨削振动监测中的应用

针对磨削加工的特点,通过小波包进行振动信号细化分解,提取各尺度能量作为特征量.利用无导师学习的Fuzzy ART神经网络进行振动异常的辨识,在发生未知模式振动异常时,网络将产生新的类报警.与传统监测方法相比,该方法能对已知和未知的振动异常进行辨识报警,在实际磨削过程监控应用中效果良好.     

基于ART网络算法的多效蒸发器温差分配

对于多效蒸发海水淡化系统,由于各效传热系数预先未知,因此在等加热面积的温差分配方案下,设计需要的计算量非常庞大。引入ART自适应算法预示各效传热系数,结果相当准确,据此确定系统的温差分配方案,可大大降低系统设计的工作量。该方法已成功应用于某多效蒸发海水淡化系统的设计中。