神经网络理论的发展与前沿问题

系统地论述了神经网络理论发展的历史和现状，并对其主要发展趋向和所涉及的前沿问题进行了阐述。     

基于神经计算的智能桥梁结构载荷识别

本文利用人工神经网络法建立一种识别作用在桥梁结构上的荷载的力学反分析法。该方法利用传感器检测信息进行荷载识别，从而为智能桥梁结构的智能化计算奠定基础。箅例表明，该方法有较好的应用前景。     

随机时分神经计算理论用于视觉曲线自激增强

利用空间分布满足曲线规则(位置和定向连续性)的局部刺激之间的相互激励,称为曲线自激,这是发现视觉边界曲线和抑制局部噪声的有效手段.过去的工作均采用并行结构区分的计算方式,曲线自激并没有达到满意的效果.本文提出随机时分动态自激的计算方案,对不同的曲线实施随机时分的搜索、时间一致性滤波、和自激积累等机制.本文给出了实现的原理方案.     

脉冲神经网络的时间计算——世界中心识别原理

本文表明传统的基于脉冲平均点火率的人工神经网的全并行计算是不妥的，因为它不能进行时间操作，我们提出一个脉冲神经网，对神经计算引入空间搜索机制，搜索能够将空间坐标转化为时间坐标，这使得空间相对坐标 为时间相对坐标，利用延迟的连接，神经网能够非常容易地完成时间相对坐标的计算，设计了一个以世界为中心的模型，它由空间搜索器和特征转移向量存储器组成：ＷＣＭ是单纯的神经网络，它代表了不变识别的神经原理。     

广义计算与认知模拟

本文根据认知模拟的特点，提出了广义计算的概念，阐明了广义计算技术在建立人工认知系统中的作用、意义和一般原则。     

带有神经网的文字识别系统

1.引言 神经计算学(Neurocomputing)是近年被神经学工作者、计算机、数学工作者极为重视的一门新兴科学,它将根据当前为止人们所了解到的生物神经的基本原理、结合电子技术和其它物理方法以及数学知识,企图解决现代计算机较难解决的一些信息处理、模式识别等问题。另外也企图通过对实际问题的模拟,反过来认识和发展神经学,解剖学。 在神经计算学中所描述的神经网包括大量的处理单元和联接这些单元的链,处理单     

基于视觉模型的图像边缘检测算法

文章提出了一种基于视觉模型的图像边缘检测算法.作者采用具有反馈和前项控制连接的侧抑制模型进行图像信息进行处理,用零阶和二阶厄米特(Hermite)函数的组合产生系统的控制模板,组合系数通过梯度下降学习算法确定.这种以生物视觉感知机理为基础的神经计算方法可有效地均衡滤除噪声和增强边缘,同时将系统高维参数的学习问题转化为对少数几个参数的确定,降低了问题的维数和计算的复杂性.     

基于模糊Hopfield网络的神经元模糊识别系统

本文基于模糊Hopfield网络研究提出了一种神经元模糊识别系统(Neuro-Fuzzy Recognition System,简称NFR系统,或NFRs).其核心是(N+1)阶模糊Hopfield网络和NFR聚类核.通过(N+1)阶模糊Hopfield网络中的N阶子网络,对样本模式进行模糊聚类,学习样本模式中隐含的模糊聚类结构知识,形成NFR聚类核.基于NFR聚类核形成的知识结构,(N+1)阶模糊Hopfield网络对由待识别模式和样本模式构成的模式集合进行模糊聚类运算.NFRs可对模式空间的模式进行分类和识别,并依样本模式将其划分为等价类.论文对NFRs的性能进行了理论分析和示例研究,结果显示,NFRs具有良好的特性.     

CMAC(小脑模型)神经计算与神经控制

CMAC神经网络是局部学习网络,结构简单,收敛速度快,易于软件和和硬件实现 ,具有广泛的应用前景．本文综述了CMAC神经网络结构和算法,以及在控制中的应用,指出 了CMAC神经计算和神经控制发展方向及在实际应用中需解决的问题．