神经元模式分类器学习的进化计算算法

本文提出了一种用于神经元模式分类器学习的进化计算算法。该算法综合了非确定有限自动机和次群体的动态数据结构,可有效地完成神经网络模式分类器的结构学习,以获得最优的求解结果。该算法的有效性已由计算机仿真实验所证实,可被认为是一种很有发展前途的模式分类系统的机器学习算法。     

应用于回归神经网络的基于梯度的典型算法的归纳与分析

首先给出了分层全回归神经网络的一个综合形式及其状态方程,然后归纳了几种典型的基于梯度的回归神经网络训练算法,描述了算法的具体步骤,并分析比较了算法特点及相互联系,最后指出对回归神经网络尤其是其训练算法研究存在的难点及研究重点。     

基于RBF神经网络建立税务预测模型的研究

简要地介绍了RBF神经网络的结构及训练算法，并分析了影响税收的一些主要因素。在此基础上提出了基于RFB神经网络的税收预测模型。实验及仿真结果说明了模型的有效性。     

一类求解最大独立集问题的混合神经演化算法

提出一类求解最大独立集问题(MIS)的混合型神经演化算法．该算法基于空间剖分与“排除”策略，有效综合了神经网络快速收敛及遗传算法稳健全局搜索的特别优点．与标准遗传算法和神经网络算法相比，该算法显示了极高的全局优化性态与计算效率．     

中文交互式网络搜索引擎及其自学习能力

论文介绍了一种具有自学习能力的中文交互式网络搜索引擎INSE(aninteractivenetsearchengineforChi-nesetext),向量空间模型、基于自动机思想的中文分词技术和神经网络BP算法的应用是INSE的主要特点,重点讨论了INSE的自学习能力。基于自动机思想分词是INSE提出的新概念,应用于中文分词可以满足最大匹配且速度较快。INSE自学习能力的实现依靠神经网络的BP算法。该算法应用于交互式网络搜索引擎可以提供更加精确的查询结果。     

铁矿石境外投资风险评估的模糊神经网络模型

论文将模糊理论与神经网络结合,对铁矿石境外投资所涉及的风险因素分别从资产影响、威胁频度两方面进行分析,建立了铁矿石境外投资的风险层次化结构,并构造了各因素所对应评判集的隶属度矩阵;综合运用模糊推理算法与神经网络仿真技术,对铁矿石境外投资的风险进行评估,进而判定铁矿石境外投资风险等级。最后,通过计算铁矿石境外投资的市场风险说明了算法的应用,并将结果与模糊综合评估得到的风险值进行比较,检测了模型的有效性。     

信用评级的简约神经网络算法研究

针对经典神经网络算法中参数调整过度复杂的问题，分析银行信用评级知识非线性的特点，提出简约神经网络的拓朴结构，证明了在全部节点函数线性且全部隐层节点函数过原点的条件下,经典神经网络与简约神经网络具有等价性。在此基础上，设计了基于简约网络的算法，简化了参数调整过程，算法结果获得了满意的拟合精度。     

基于神经网络算法的实时DES监督控制

本文在包含状态转移时间离散事件系统（ＤＥＳ）的自动机模型基础上，引入神经网络优化算法用以确定表征闭环系统最大允许逻辑行为的语言Ｋ的一个某项指标最优的子集Ｋｅｐｔ，并探讨了这种情况下用Ｒ－Ｗ理论设计监控ＤＥＳ的有关问题．     

演化循环神经网络研究综述

演化计算利用生物演化过程中的自然选择机制和遗传规律求解优化问题，循环神经网络的精度和效率依赖其参数以及结构的优化效果，采用演化计算解决循环神经网络中的参数与结构自适应优化问题是自动化深度学习领域的研究热点。文中针对结合演化计算和循环神经网络的算法进行了详细的调研。首先，简要介绍了演化算法的传统类别、常见算法和优点，以及循环神经网络模型的结构及特点，并对影响循环神经网络性能的因素进行了分析；其次，分析了演化循环神经网络的算法框架，并分别从权重优化、超参数优化和结构优化方面分析了当前演化循环神经网络的研究进展；然后，对演化循环神经网络的一些其他工作进行了分析；最后，指出了演化循环神经网络面临的挑战以及发展趋势。     

广义细胞自动机的结构及其硬件实现

该文作者曾提出了广义细胞自动机(GCA)的原理和并行算法．并且应用于网络快速包交换等动态优化问题．该文进一步讨论了这种新的广义细胞自动机的体系结构、算法的硬件实现及其电路设计。它们对于GCA的实际应用有重要意义．GCA结构不同于Hopfield神经网络(HNN)和细胞神经网络(CNN)，GCA由多层次多粒度宏细胞组成塔形结构．它具有多粒度的宏细胞动力学特征．相同粒度宏细胞之间没有交互，但不同粒度宏细胞之间存在一定程度的交互或反馈．分析和实验表明．在问题求解的优化性、实时性、硬件实现复杂性等方面．该文给出的GCA结构和硬件实现．与HNN和CNN相比有诸多优点．     

基于BP神经网络的防火墙系统综合性能评估方法研究

本文建立了防火墙系统综合性能评估指标体系，探讨了基于BP神经网络的防火墙系统综合性能评估方法，并给出了评估模型及算法实现。在Matlab中的仿真实验证明该方法是可行的。     

基于聚类分析的综合神经网络集成算法

研究神经网络集成是一种有效实用的分类方法,权值是影响神经网络集成性能的重要因素。为了克服神经网络集成固定权值的缺陷,提出一种基于聚类分析的综合神经网络集成算法。算法首先将样本分类,每类样本中加入其他样本类一定数量的中心样本,不同的神经网络学习不同类的样本。根据输入数据与样本类别之间的相关程度自适应调整集成权值。算法不仅用于自适应调整集成权值,而且是一种产生个体神经网络的训练方法。四个数据集上的仿真试验证实了算法的有效性。     

基于神经网络和专家系统的故障诊断

分析了专家系统和神经网络在故障诊断中的应用，针对两种技术各自的优缺点，建立了一个基于神经网络和专家系统的采煤机集成故障诊断系统，介绍了系统的结构，诊断策略及神经网络的学习算法，并给出了仿真结果。     

改进的基于神经网络的非线性多元回归分析

介绍了Levenberg-Marquardt算法来加速神经网络的训练过程,并且为了使得网络回归分析结果具有良好的泛化能力,在训练算法的目标函数中综合了网络权值因素。最后对所给出的算法进行了实例仿真,仿真结果表明该算法不仅具有较好的数据拟合精度,而且具有很好的泛化性能。     

多层随机神经网络em算法

本文讨论了基于微分流形框架随机神经网络学习算法，称为ｅｍ学习算法；对于多层随机神经网络模型，我们从微分流形的角度分析它的对偶平坦流形结构，描述ｅｍ算法对于多层前馈随机神经网络模型学习算法实现和加速技术。     

基于复合天气及时间因素的神经网络气温预测

本文提出一种基于复合天气及时间因素的组合神经网络预测方法以预测气温，即根据前一段多个天气因素的值预测下一时的气温，并将时间因素作为独立神经元参与神经网络预测。经采用2000年南京站的天气数据与标准BP网络对比实验，证明本文算法更快收敛到更小误差，预测效果，尤其是短期预测，较标准BP算法更好。     

改进粒子群—BP神经网络模型的短期电力负荷预测

为了准确、快速、高效地预测电网短期负荷,提出了改进的粒子群算法(MPSO),并与BP算法相结合,形成改进的粒子群—BP(MPSO-BP)神经网络算法,用此算法训练神经网络,实现了神经网络参数优化,得到了基于MPSO-BP算法的神经网络模型。综合考虑气象、天气、日期类型等影响负荷的因素,进行电网短期负荷预测。算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善了BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力。     

基于实数编码遗传算法的混合神经网络算法

该文比较了神经网络与遗传算法的特点，提出了一种融合遗传算法和BP算法的神经网络算法设计。该方法采用了基于实数编码的改进遗传算法来替代随机设定神经网络的初始权阈值，然后由改进的LMBP算法在已由遗传算法确定了的搜索空间中对网络进行精确训练。仿真结果表明神经网络的逼近能力和泛化能力得到了综合提高，能够有效抑制遗传算法初期收敛的发生，确保了快速达到全局收敛，克服了传统BP算法精度低、收敛速度慢、容易陷入局部极小的缺陷。     

用神经网络实现离散事件系统监控可能性研究

本文讨论了Hopfield神经网络的以描述人造系统为主的离散事件系统打似之处，以及用神经网络作为离散事件系统模型和监控器的可能性，并指出神经网络优化算法用于实时监控综合的优点及需要解决的问题。     

一种基于神经网络集成的规则学习算法

将神经网络集成与规则学习相结合，提出了一种基于神经网络集成的规则学习算法．该算法以神经网络集成作为规则学习的前端，利用其产生出规则学习所用的数据集，在此基础上进行规则学习．在UCl机器学习数据库上的实验结果表明，该算法可以产生泛化能力非常强的规则．