神经场整体性和增殖性研究与分析

信息几何是20世纪90年代初开始形成的理论，它将流形上的现代微分几何方法引入到神经计算科学中，为神经网络和信息论提供了十分有用的新的数学工具，也为大脑信息传输方式引入新的观念．以信息几何为工具，研究由全体神经网络组成的非线性空间神经场的整体不变性，分析和证明了神经场复杂结构的可分解性，提出了知识可增殖人工神经网络模型．其结果将有助于理解和解释人的感知系统的组织结构、定位机理和嵌入问题，提高神经网络复杂模型的研究水平和层次，挖掘认知科学在计算机模式上新的突破点；有助于增强神经网络的可理解性，为其提供了重要的理论基础．     

多类模式识别的动态多叉树算法研究与实现

研究模式识别方法，提出动态多叉树算法，用以解决实际环境中复杂的或大模式类别学习及系统动态扩展问题，该算法利用分治和局部最优原理缩小目标范围，结合整体学习方法提高识别率，模拟人脑的循序渐进学习方式，实现知识增殖和继承，可解决现有识别系统在学习新知识会破坏已有知识，需重新学习的问题，并具有较高的识别率，可有效地处理巨模式类识别的问题，该系统可以用于有脸、字符，指纹等对象的识别分类，系统的构造方法体现其通用性，性能分析表明其可行性，实验结果证明其有效性。     

基于Bayesian的期望最大化方法——BEM算法

通过对标准EM算法收敛于局部极值的原因进行分析,提出了基于Bayesian方法的神经网络新学习算法－－BEM算法。该算法解决了标准EM算法的上述缺陷,同时还可防止标准EM算法Overfitting情况的出现,并可防止标准EM算法有时只响应第一模式而失去泛化能力情况的出现。实验结果表明了该算正确性和有效性。该算法对研究和发展标准EM学习算法理论具有一定的学习意义。     

基于神经网络的混沌加密算法

首先用神经网络来训练已知混沌序列,并利用该模型产生的非线性序列实现了明文、密文之间的转换,该算法的优点之一是神经网络（NN）隐式混沌映射关系使直接获取映射关系变得困难,经理论分析选择了较好的神经网络学习方法,实验进一步表明,该算法产生的序列随机性、抗破译性能良好;加密弹性大,可扩展性好;加密速度快。     

知识可增殖人工神经网络的研究与实现

知识可增殖人工神经网络是一个由多个已知功能人工神经网络和匹配人工神经网络协同工作共同组成的具有扩展功能、知识继承和积累作用的大规模人工神经网络。文章使用微分几何作为数学工具来分析、描述神经网络的场理论，研究可学习的机构和已知功能人工神经网络之间的组织结构协同工作方法。并利用统计流形整体不变几何结构特性为理论基础，完成层次化混合专家神经网络的信念分配，实现知识可不断扩充，功能不断增强的人工神经网络。     

通过创建虚拟样本的小样本人脸识别统计学习方法

研究了人脸识别方法．在传统的“特征脸”方法基础上，提出了一种基于贝叶斯方法的小样本人脸识别方法，该方法对于经过预处理的标准人脸图像，通过原型脸创建虚拟样本，扩充样本数量，然后用PCA降维并提取人脸图像的特征．对提取的特征用BEM算法学习该类样本的概率密度分布参数，构建贝叶斯混合网络分类器．该方法可以有效地解决统计学习方法中样本数量不足问题，提高小样本人脸识别方法的识别率，同样可以运用于模式识别中其它对象识别．实验表明，该方法能提高小样本人脸识别率，有实际应用价值。     

网上多点实时语音交互系统的设计和实现

文章讨论了网上多点实时语音交互系统的设计和实现,提出了合理实用的多点语音实时交互模型。采用了客户机／服务器模式及ＵＤＰ通信技术和简捷的数据压缩技术,以Ｗｉｎｄｏｗｓ环境下ＴＣＰ／ＩＰ协议的Ｗｉｎｓｏｃｋ编程接口、有关多媒体的ＡＰＩ、ＤｉｒｅｃｔＸ为工具,并以ＶＣ＋＋５．０为开发环境,在局域网内实现了一个多点语音实时交互系统。