用遗传算法优化神经网络结构

本文介绍了一种用遗传算法对神经网络和连接权值同时优化的方法，该神经网络的神经元节点可以一定程度地反馈连接，再通过基因链矩阵把神经网络的结构完整地表示，遗传进化学习后，最优个体是结构最优的神经网络，使用该方法可以设计出结构未知的神经网络，本文最后对ＸＯＲ问题进行了计算。     

基于粗糙集理论的神经网络研究及应用

为了补偿神经网络的黑箱特性并提高其工作性能，将粗糙集理论同神经网络结合起来，提出一种基于粗糙集的神经网络体系结构．首先，利用粗糙集理论对神经网络初始化参数的选择和确定进行指导，赋予各参数相关的物理意义；然后，以系统输出误差最小化为目标对粗糙神经网络进行训练，使其满足性能要求．实验结果表明，粗糙神经网络能较好地完成数据挖掘任务，并能获得较高的分类精度．     

多层前馈模糊神经网络进行图象识别

模糊技术和神经网络在模式识别领域中已有了广泛应用，二者有着各自的优势。针对神经网络模式识别中所遇到的问题，为了进一步提高分类器在样本分布不清晰情况下的识别能力，本文提出了两种模糊将机制引入神经网络的方法—输入模糊化方法、隐层模糊化方法，并在此基础上分别构造了模糊神经网络。实验结果表明，模糊神经网络较好地结合了神经网络和模糊技术的优点，取得了比传统神经网络更好的识别结果。     

神经网络在汽车四轮转向控制中的应用

为适应车辆运动的非线性特性，采用神经网络理论，设计了神经网络汽车四轮转向控制系统，并对该系统进行了仿真分析。仿真结果表明：神经网络控制系统比线性控制系统能明显地改善控制效果。     

基于遗传优化的概率神经网络预测方法

在研究概率神经网络的基础上，提出一种基于遗传优化估计概率神经网络平滑因子的方法，大大地提高了概率神经网络的预测能力，最后将其运用到某型火炮发动机故障预测上，证明了其有效性。     

基于知识和神经网络相结合的实时故障诊断专家系统

以钢厂冷轧生产线为对象，介绍如何将神经网络方法与传统的专家系统方法复合在一起，更好地解决故障诊断。具体介绍了系统的框架设计，神经网络的设计研究，并举例了说明了神经网络故障诊断的推理过程。     

神经网络基于粒子群优化的学习算法研究

研究神经网络基于粒子群优化的学习算法，将粒子群优化算法用于神经网络的学习训练，并与遗传算法进行了比较，结果表明，神经网络基于粒子群优化的学习算法简单容易实现，而且能更快地收敛于最优解。     

基于VHDL的神经网络模型库的建立与实现

文章讨论了神经网络的硬件实现,提出按层次化的设计方法建立神经网络的硬件模型，并根据神经网络的要求建立基于VHDL的神经网络元件库。元件库具有灵活性好、扩展性强的特点，设计者可根据需要任意修改库单元，灵活的接口功能使用户可以方便地将DSP等模块加入到设计中，在硬件中实现高速、高效的神经网络。     

火焰电容成像的模糊神经网络控制策略

描述了基于电容层析成像，采用模糊逻辑和神经网络对静态火焰进行闭环控制过程，以神经元形式将专家知识和训练类型融合到模糊规则中，借助地神经网络的强大的学习能力，系统能自动地调整其性能。     

基于Elman神经网络的高速公路限速控制

限速控制是高速公路交通控制的重要措施和手段，为了提高限速控制精度，提出Elman神经网络建模方法。阐述了Elman神经网络的原理，根据高速公路主线上车辆群状态、路面状况、气象条件等信息，建立交通流速度限制Elman神经网络模型，Elman神经网络的输入层、上下文层、隐含层和输出层的节点数目分别选为2、12、12和1，采用Levenberg—Marquardt算法对Elman神经网络进行训练，并与RBF神经网络进行仿真对比。结果表明。Elman神经网络和RBF神经网络的训练误差分别为9．99769×100和2．38112×10^-4，与RBF神经网络相比较，Elman神经网络自适应能力强、泛化能力好，能准确地建立交通流速度限制模型．具有良好的应用前景。