神经网络用于杀虫剂4—ROMS的QSAR研究

用神经网络方法研究了杀虫剂４－ＲＯＭＳ的结构与抗家蝇ＭｕｓｃａｄｏｍｅｓｔｉｃａＬ．活性的定量关系，采用优化的神经网络和ｌｅａｖｅ－ｏｎｅ－ｏｕｔ方法预报了系列化合物的生物活性，从线性回归分析和神经网络方法的比较可以看出神经网络传于传统方法。     

用改进的遗传算法训练神经网络以研究有机磷杀虫剂的构效关系

结合改进的遗传算法（ＩＧＡ）和误差反传算法（ＢＰＡ）训练人工神经元网络，用以对三元不对称有机磷构效关系进行研究。作者保留了ＢＰＡ作为权值基本训练方法简捷的优点，又利用遗传算法的全局搜索性，以克服ＢＰＡ陷入局部极小点的缺陷，使两者集成在一起，通过因子α调整遗传算法和误差反传算法的结合程度，发挥各自的长处，达到训练过程的优化。通过实例表明建立了更准确的数学模型，具有较好的实用价值。     

用于电磁兼容预测的自适应泛化回归神经网络

为了更好地对电磁兼容进行预测,提出一种自适应泛化回归神经网络（AGRNN）,与传统泛化回归神经网络（GRNN）区别在于：将光滑因子设为最小数据距离的1/2,将偏置设为光滑因子的倒数。对简单一维数据的测试表明,无论数据如何分布,AGRNN的拟合曲线均较GRNN更加接近样本点、且更平滑。以平行线间电磁耦合干扰为具体算例,证明AGRNN对训练数据与测试数据的预测优于改进BP算法,且网络不需要训练。     

遗传神经网络在QSAR中的应用研究

ＧＮＭ（Ｇｅｎｅｔｉｃ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ，ＧＮＮ）是通过将遗传算法与ＢＰ网络获得。同传统的ＢＰ网络相比，ＧＮＮ具有如下优点：（１）网络拓扑结构和学习参数可通过学习获得；（２）在网络学习的同时筛选参与建模的变量；（３）学习到的神经网络模式没有“过拟和”现象。本文用ＧＮＮ研究了芳胺及氮杂芳胺结构对鼠伤寒沙门氏菌致变性能关系，得到了可靠而实用的神经网络模式。     

混合蚁群算法及其用于有机物毒性的QSAR研究

设计一种新的混合蚁群算法.该算法以一种新的二进制蚁群算法为基础,混合PBIL(population based incremental learning)算法及遗传算法的交叉操作和变异操作,从而大大提高了种群的多样性及收敛速度,改善全局最优解的搜索能力.通过函数优化测试,表明该算法具有良好的收敛速度和稳定性,最后用于有机物毒性的QSAR研究中,取得较好效果.     

一种用于测量系统信息处理的神经网络设计

介绍了一种在测量系统中使用的基于递推预报误差算法的前馈神经网络的设计以及实现方法。将该网络应用于测量系统模型的仿真试验取得了良好的效果。文中给出了试验的结果 ,并对该网络的应用进行了讨论     

基于神经网络的仪器非线性校准系统研究

探讨了采用神经网络校准仪器非线性的方法,并用递推预报误差算法训练神经网络.理论分析和实验结果表明,神经网络方法优于传统的最小二乘法,能够取得很好的效果.     

KPCA与GRNN在含能化合物QSAR中的应用研究

使用KPCA(核主成分分析)对含能化合物的结构参数进行参数选择,在保持原有数据主要信息的情形下,得到数据的主成分.将降维后的特征信息作为GRNN(广义回归神经网络)的输入,含能化合物的性能数据作为输出,建立非线性的定量含能化合物结构性能关系预测模型.与PCA_GRNN模型的比较表明,该模型能很好地反映含能化合物结构和性能之间的关系,具有较高的预测正确率.     

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。     

主成分分析-神经网络方法用于硝基苯及其同系物的QSAR研究

运用混合密度泛函理论DFT-B3LYP,以6-31G＊为基组计算35个硝基苯及其同系物电子结构的量化参数,采用主成分分析法对16个量化参数进行预处理,并结合人工神经网络对硝基苯及其同系物的QSAR进行了研究。35个化合物被随机分为两组,即训练集和测试集,其RMS值分别为0．095和0．111。取得了较满意的结果。     

神经传递通路的神经网络建模

建立与生物神经系统相像的人工神经网络是设计具有智能的人工制品的有潜力的研究方法.建立神经网络传递通路简化模型,并应用神经网络建模.模型由4个回路构成动态延迟网络,包括丘脑回路、大脑皮质回路、基底核回路和小脑回路.仿真测试表明:网络易于数学实现,并具有良好的函数逼近能力和泛化能力.网络可用于自治系统和自治产品.＃     

用神经网络方法进行气象温度预测

本文提出了一种改进的BP算法以优化神经网络连接权,使网络具有快速全局收敛的能力,由此建立的温度预测模型取得了较好的效果。实验中选取了多组数据对网络进行训练和测试,在此过程中,对学习率和动态参数的选取以及网络结构的优化进行了初步探讨,得到了一些有益的结论。     

非模块型人工神经网络并行实现的研究

本文对两种非模块型神经网络－全连接和随机连接神经网络在多处理器网络上并行实现的性能进行了分析,指出处理器网络的拓扑结构和结点的扇玫对这两种神经网络的并行实现的性能影响不大,并对神经知多处理并行实现时一个学习周期时间进行了分析,讨论了并行实现的最大加速比和最优处理器规模的计算。     

使用“通信顺序进程”机制的神经网络仿真

本文引入了“通信顺序进程”的概念，同时介绍了一种实现环境－ＲＩＳＣ结构的Ｔｒａｎｐｕｔｅｒ处理器及Ｏｃｃａｍ并行化编程语言，并阐述了用“通信顺序进程”机制来仿真人工神经网络的方法。     

基于神经网络的肺癌细胞识别方法的研究

细胞识别是图像处理和模式识别领域的一个研究热点,有着十分广泛的应用前景。本文提出了基于神经网络算法FTART2的肺癌细胞识别方法,讨论了FTART2的网络结构、输入矢量的标准化及分类算法。用513个样本对网络进行训练,再用716个样本组成测试集进行测试,实验结果表明:本文提出的基于FTART2的肺癌细胞分类器与基于标准BP的分类器相比,具有学习速度快、分类精度高的特点。     

使用“通信顺序进程”机制的神经网络仿真

本文引入了“通信顺序进程”的概念，同时介绍了一种实现环境－ＲＩＳＣ结构的Ｔｒａｎｓｐｔｅｒ处理器及Ｏｃｃａｍ并行化编程语言，     

基于BP神经网络的猪肉新鲜度检测方法

猪肉在储藏、加工和运输过程中因为腐败会挥发出氨气、硫化氢等,据此选择8个金属氧化物半导体气敏传感器构成检测阵列,运用改进的BP神经网络算法建立猪肉新鲜度智能检测的数学模型,从而构建了猪肉新鲜度检测电子鼻系统。通过检测实验构建样本数据集,并对识别模型进行训练、测试,结果表明该模型对猪肉新鲜度的预测结果与用理化分析方法所得实际结果具有很好的吻合度,预测准确率大于90%。     

语音识别中基于神经网络的矢量量化方法

本文对神经网络语音识别中的语音特征提取、网络结构以及学习算法进行了初步的研究,提出了一种用于时特征矢量量化的简化和改进的自组织神经网络模型ＶＱＮＮ。ＶＱＮＮ中引入了动态规划法估计语音样本矢量的码本类中心初值并确定网络的初始权矩阵,可构造出２５６个量化等级的码本矢量。该方法具有较强的鲁棒性且矢量量化过程简单迅速。对２８个地名的语音量化识别实验结果表明了这种量化方法对时识别的有性。     

时变过程的神经网络鲁棒自适应控制

目前在国际上ＢＥＮＣＨＭＡＲＫ控制研究已成为热点。本文在常规逆动态控制器的输入端增加控制偏差，并对时变系统神经网络的同一输入参数先集中在１个节点上以产生该类参数的综合作用，