基于一种特定混沌映射的跳频序列

使用一种简单的分段线性映射构造混沌跳频序列。用于跳频通信中取代传统的伪随机序列（PN序列），分析了此混沌序列的周期性。平衡性，汉明相关特性和线性间隔，最后给出了混沌序列的神经网络实现。仿真和实验结果表明，此序列具有较好的统计特性。应用于跳频多址通信中，可获得较好的抗干扰。抗截获能力。     

柔性电子神经网络计算机开发系统设计

介绍了一种柔性神经网络计算机及其开发系统的概念和思想。该系统对用户来讲既是神经网络模拟系统，又是神经网络计算机的开发系统。作为神经网络模型的模拟系统，它可模拟多种网络系统；作为开发系统，其下层可设计不同的神经网络硬件装置；随后提出了其软件系统的设计方案。     

基于PVM的C++对象分布并行机制的初步研究

对象具有内在的并行性.将面向对象程序设计与分布并行处理相结合,可产生既具有面向对象特征,又充分利用资源,还可缩短作业运行时间的对象分布并行系统.提出了一种基于PVM(parallelvirtualmachine)的C++对象的分布并行机制.该机制以协议和pvmlib作了向后兼容扩充的PVM系统为对象分布并行支撑;用预处理器将用户作业的并行类分离,并派遣到(PVM)系统中的目标机进行异地编译、加载执行;通过把并行类映射为PVM任务,请求对象消息映射为请求PVM任务消息来实现并行类对象的分布并行.实验结果表明,此对象分布并行机制(当问题规模达到一定程度时)可提高系统资源利用率和程序运行效率,并能简化PVM应用编程.     

神经计算机的研究与发展

1 引言从40年代冯·诺依曼发明基于串行符号处理的数字计算机以来,数字电子计算机已经取得了巨大的成功,但在诸如模式识别、人工智能等研究领域却碰到了极大的困难,人们不得不以更大的兴趣去研究以并行处理模式为特征的神经计算机。80年代,在美国、日本和欧洲都掀起了一股研究神经网络理论和神经计算机的热潮。各先进国家相继投入巨额资金用于研究新型智能计算机,其研究重点主要是将神经网络原理用于图像处理、模式识别、语音综合及智能机器人控制等领域。1987年6月在美国召开了第一届神经网络国     

适合于BP学习的共轭梯度法

基于ＬＭＳ的标准ＢＰ算法收敛速度极慢，而共轭梯度法要求精确的线性搜索，这在神经网络的高维权空间中是难以实现的。本文提出了一种新的ＢＰ学习算法，它采用一种对线性搜索要求不高的改进的共轭梯度法与一种简单的不精确线性搜索相结合，极大地提高了ＢＰ学习速度。经多次测试表明，与标准ＢＰ算法相比，该算法的效率提高了二个数量极。     

用于两端线网布线的蚁群系统方法

提出一种基于蚁群系统的端线网布线方法，对于给定的布线平面，首先根据障碍情况构造了包含最短路径信息的强连接图，建立初始气味矩阵，然后使用蚁群算法搜寻目标路径，直到求出优化解。     

滞迟神经脉冲振荡器

本文在总结有关文献中提出的各种滞迟神经脉冲振荡电路的基础上，归纳出它们的统一数学模型，并全面分析这一数学模型模拟生物神经元冲动发放行为的能力，得出七种不同的可编程神经脉冲振荡器模型。然后从理论上推导出这些振荡器的振荡条件，振荡波形和激励—频率特征函数表达式。最后用OTA器件实现并测试其激励—频率特征曲线。     

一个基于神经网络的测试生成系统

介绍了一个基于组合电路的Hopfield神经网络模型的测试生成系统,系统中运用概率松驰搜索算法求解给定故障的测试矢量。实验结果表明了该系统的可行性。     

ARMA谱估计的高阶关联神经网络优化方法

本文基于全反馈高阶关联神经网络优化理论，提出了一种将神经网络优化方法应用于ARMA谱估计（ARMA－NNO法）的理论框架。该方法与迄今为止所见方法的区别在于，它直接面对ARMA扩展的Yule—Walker方程的非线性，同时估计出模型的AR和MA两部分参数。描述估计质量的加权均方误差被当作神经网络能量函数，从而导出了ARMA－NNO法的Lyapunov方程。文中讨论了此法的实现方案，给出了几个谱估计实例，通过与其它几种ARMA谱估计方法的比较，证明了它的有效性。     

低信噪比时混浊信号降噪的微扰方法

该文提出一种新的混沌信号降噪方法——微扰法,并且给出了微扰法的一个具体实例算法——梯度微扰法。该文还对用梯度微扰法进行混沌信号降噪的效果进行了实验研究。实验结果表明,梯度微扰法能够在低信噪比时得到很好的降噪效果。文中还对梯度微扰法的参数选择问题进行了实验研究。