用神经网络求解Job—Shop类型调度问题

本文在Ｈｏｐｆｉｅｌｄ神经网络的基础上针对ＦＭＳ中Ｊｏｂ－ｓｈｏｐ类型调度问题，提出了线性Ｈｏｐｆｉｅｌｄ神经网络的表示方法，给出了网络的能量函数表示方法及神经元状态方程，理论上，证明了算法的收敛性及能量函数中系数与迭代步长的关系，软件模拟计算结果表明，所提出的方法是有效的且计算结果是满意的。     

解Job－Shop调度问题的一个遗传算法

本文首先介绍了遗传算法的基本概念和流程，然后叙述了如何把Ｊｏｂ－Ｓｈｏｐ调度问题编码成为遗传算法的形式，并解释了对于实现这一算法中一些问题的考虑．最后给出了算法运行结果并对结果与算法做了总结。     

解Job—Shop调度问题的一个遗传算法

本文首先介绍了遗传算法的基本概念和流程，然后叙述了如何把Ｊｏｂ－Ｓｈｏｐ调度问题编码成为遗传算法的形式，并解释了对于实现这一算法中一些问题的考虑。最后给出了算法驼行结果并对结果与算法做了总结。     

连续型神经网络解决信元调度问题的参数分析

本文利用连续型Hopfield神经网络实现信元调度问题,对采用的新的能量函数进行仿真模拟,通过对网络模型的参数特性进行研究分析,寻找最佳的取值范围,为Hopfield神经网络今后的研究和实际应用提供帮助。     

用神经网络求解模糊线性规划问题

本文根据模糊线性规划和神经网络的特点，导出了用神经网络求解模糊线性规划的方法；考虑到神经网络电路中的放大器单元和电阻元件客观上存在误差，提出了用误差补偿法减小这些误差对这对神经网络输出精度的影响。     

用神经网络求解模糊线性规划问题

本文根据模糊线性规划和神经网络的特点,导出了用神经网络求解模糊线性规划的方法;考虑到神经网络电路中的放大器单元和电阻元件客观上存在误差,提出了用误差补偿法减小这些误差对神经网络输出精度的影响。计算机仿真和电路实验都表明了这种方法的有效性。     

Banyan网输入输出排除的神经网络调度及其实现

Ｂａｎｙａｎ网是一种多级互联网络，它广泛地应用在ＡＴＭ交换结构中，Ｂａｎｙａｎ网输入排除的神经网络调度方法已有文章提出，但其硬件实现比较复杂，本文提出了一种Ｂａｎｙａｎ网输入输出排队神经网络调度方法，它的硬件实现容易，计算机模拟结果表明，该调度方法是非常有效的，在此，还给出了该系统的硬件实现方法。     

ATM组播交换的神经网络调度方法

本文提出了一种新的ATM组播交换（Multicast Switching）神经网络调度方法。ATM组播交换的神经网络调度方法国外已有文献提出，但其神经网络的能量函数结构复杂难以用VLSI实现。我们提出的神经网络能量函数结构简单，其神经网络控制器容易实现。文中给出了神经网络的调度算法、能量函数及其神经网络控制器的实现方法。通过计算机模拟，证明该方法是非常有效的。     

同步McCulloch－Pitts型神经网络分析

本文讨论ＭＰ型方程组，提出了在系统平衡态给定时求最佳收敛系统的策略，并按系统动力学性质的相同与否对权值进行了分类，给出其等价类的代表元和关于系统演化的线性关系，进而得到有关平衡态、振荡及容错性（输入偏差与权值故障）等方面的信息。     

用神经网络方法求解Hilbert空间中的优化问题

本文在线性规划神经网络的基础上,提出了一种求解Hilbert空间中优化问题的神经网络方法。这种方法不是通过利用数字计算机复杂的迭代运算来求优化问题的解,而是建立一个与线性规划网络相应的模拟电路系统,即一个专用的模拟计算机,在稳定状态下,测量电路系统的输出电压即可获得对应问题的解。理论和实验都表明,该方法可在RC时间常数内(纳秒级)对优化问题进行求解,并且具有对电路参数容错性强,结构规正、简单等特点。     

特征结构的高阶神经网计算

本文首先讨论了特征结构提取问题的代价函数表示，然后以该代价函数为煤介，将高阶关联非线性连续时间神经网络引入到特征结构的提取问题中，这种方法直观、明了，它将所要提取的特征结构与网络稳定时的输出直接对应起来。     

一种基于神经网络进行通信网划分设计的并行算法

本文应用神经网络研究通信网设计中的划分问题。文中给出了一种基于神经网络求解图划分问题的并行算法。该算法验证了一些随机生成的例子（包括高达１００个顶点的问题）。计算机模拟结果表明该算法在１５步迭代之内求得较好解，优于传统的启发式算法。     

一种特征压缩及分类神经网络的研究

由于多对多类问题的高维数据无法直接观察其聚类和分布特性，本文采用神经网络法实现自适应主元特征提取（ＡＰＥＸ），以压缩特征空间的维数，并保持足够的信息来鉴别事物之间的类型，它可有效地提取信号的主要特征和抑制噪声，我们将高维数据压缩影射到２或３维，从而实现特征数据的可视性分析，显示物体对象间的类似程度和关系结构，并采用高阶函数的神经网络对其进行了非线性分类，同时与ＢＰ网络的非线性分类能力进行了实验比较     

实现虚拟输出队列调度的神经网络方法

基于虚拟输出队列（VOQ）缓存的Crossbar交换结构,提出了一种Hopfield神经网络（HNN）控制的信元交换调度方法.通过选取合适的能量函数,并在其中采用一种新的队列优先级函数,实现了信元的高效交换控制.计算机模拟结果表明,该算法可以将吞吐率提高到0.998,信元丢失率大大降低,时延特性也有很大改善.     

一种二维神经网络模型及其应用

本文提出一种二维神经网络模型,并将它用来实时求解一类矩阵方程.理论和模拟结果表明,该网络可以在时常数数量级(纳秒)内求出与准确解任意接近的解.     

嵌入前向网络的虚时间表法UPC

在分析文献[1]虚时间表法不足的基础上,提出利用前向网络动态调整虚时间表法参数的UPC算法。本文算法具有选择性强,检出率合理,动态响应特性好等特点。计算机仿真结果验证了本文算法的优越性。     

数字逻辑的神经网络设计

在讨论数字逻辑与神经元的关系后，提出一种利用前向三层神经网络实现任意布尔逻辑的设计方案，并引入卡诺图化简及最小项抑制的思想降低神经网络的实现复杂性，文中给出设计的原理及算法流程图，此方案结构简单可靠，学习速度快，易于硬件实现。     

基于RBF神经网络的盲均衡算法综述

RBF神经网络是一种局部逼近的多层前向神经网络,具有算法简单,收敛快,逼近效果好,泛化能力强等优点。RBF通过非线性基函数的线性组合实现从输入空间到输出空间的非线性转换。盲均衡则是一种不借助训练序列,仅利用接收序列和发送序列的先验知识来恢复发送序列的方法。文中基于RBF神经网络的研究给出盲均衡的算法综述。