一种自适应判决反馈递归神经网络均衡器

本文提出了的均衡是将递归神经网络巧妙地融信传统的线性信道判块反馈结构中形成的。实验结果表明，在自适应参数数目较小且数目相同的情况下，该均衡器较单一的递归神经网络均衡器具有更好的均衡性能。     

递归神经网络自适应均衡抗突发干扰研究

短波信道的突发干扰对判决反馈递归神经网络自适应均衡器有破坏作用并能导致均衡器失效,从而影响整个通信系统的连续性。本文对突发干扰时判决反馈递归神经网络自适应均衡器特性进行了分析,提出了2种改进算法。仿真结果证明了这2种改进算法的有效性。     

一种递归模糊神经网络自适应控制方法

构造了一种递归模糊神经网络(RFNN),该RFNN利用递归神经网络实现模糊推理,并通过在网络的第一层添加了反馈连接,使网络具有了动态信息处理能力.基于所设计的RFNN,提出了一种自适应控制方案,在该控制方案中,采用了两个RFNN分别用于对被控对象进行辨识和控制.将所提出的自适应控制方案应用于交流伺服系统,并给出了仿真实验结果,验证了所提方法的有效性.     

一种新型的动态递归-直觉模糊神经网络及其学习算法

通过对直觉模糊集理论和动态递归神经网络理论的研究,提出了一种新型的动态递归-直觉模糊神经网络,并根据动态递归-直觉模糊神经网络的数学模型推导其改进的动态反向传播学习算法.     

局部感知递归神经网络在语言模型中的应用

数据序列预测被许多人认为是机器学习和人工智能领域中的关键问题,在一系列的单词或字符数据处理任务的语言模型中,递归神经网络展示出了当前最优秀的序列预测能力。文中通过将三层RNN按一定层次组合在一起,由低层到高层使每一层负责不同层次的信息处理,从而使新模型具有更强的信息综合能力,从而使得模型更容易处理较长的数据序列。在Penn Treebank Data数据集做字符级(Character-Level)语言模型中的测试结果显示,新模型获得了与CNN-LSTM等当前最好模型相匹敌的成绩。     

一种基于对角递归神经网络的PID解耦控制器

在PID多变量解耦控制的基础上,设计了一种基于对角递归神经网络的PID解耦控制器。基于对角递归神经网络构造了PID控制器,并把几个PID控制器平行采用作为解耦控制器,以同时实现解耦和控制功能。通过对2输入2输出非线性耦合对象进行计算机仿真结果表明,该控制器对多变量非线性系统解耦控制效果很好。     

一种新的混沌神经网络及其应用

提出了一种新的混沌神经元模型,该神经元的激励函数由Gauss和Sigmoid两种函数加和组成的非单调函数构成.通过分岔图及Lyapunov指数的计算,分析了其动力学特性.基于该模型,构造了一种新的具有暂态混沌特性的神经网络,该网络在寻优过程中同时衰减两种退火机制实现混沌退火.通过将特征点匹配问题转化为优化问题,该网络可以实现对目标识别问题的求解.仿真实验验证了该算法的有用性和有效性.     

自适应复信道均衡的一种新的神经网络方法

近年来,神经网络已经广泛地应用到许多信号处理问题中.自适应信道均衡是数字通信系统中的一个重要问题.在本文中我们提出一种基于复数赫布类型算法的自适应信道均衡器.计算机模拟表明,无论在线性还是非线性信道中,所提出的均衡器均表现出良好的性能,这为自适应复信道均衡提供了一种新的方法.     

基于递归神经网络的预测控制算法研究

提出了一种递归神经网络预测控制算法。该方法将预测控制中预测模型的误差项提取出来,专门建立神经网络模型来预测误差项,以此实现预测控制与神经网络的结合并用MATLAB仿真。该算法具有良好的控制品质,表现出较强的鲁棒性和适应性。     

一种复值函数型连接神经网络

本文提出了一种复值函数型连接神经网络(CFLNN)结构,可以对复数域信号进行快速处理。函数型连接神经网络通过对输入模式预先进行非线性扩展,增强了输入信号的模式表达,从而可以大为简化网络结构,降低计算复杂度。本文将函数型连接神经网络推广到了复值情况并给出了基于梯度下降的学习方法。计算复杂度分析显示本方法具有结构简单,计算量低的优点。最后,将本方法运用到对复值非线性系统的辩识问题中,仿真实验表明本CFLNN性能与传统复值前馈神经网络相近或更优。     

Complex-Valued Recurrent Neural Network with IIR Neuron Model: Training and Applications

In this paper, based on the digital filter theory and approach, a new algorithm for training a complex-valued recurrent neural network, is proposed. Each recurrent neuron is modeled as an infinite impulse response (IIR) filter. The network weights are updated by optimizing the IIR filter coefficients, and the optimization is based on the layer-by-layer optimizing procedure as well as the recursive least-squares method. The performance of the proposed algorithm is demonstrated with application to a complex communication channel equalization. Our approach provides a new way to perform fast training of complex-valued recurrent neural networks.     

基于回归神经网络的时间序列非线性分析

本文提出了一种基于局部回归神经网络的时间序列非线性预测分析方法，给出了新的非线性模型训练方法，并针对几类常见的时间序列。给出了实验结果。     

A Fully Complex-Valued Gradient Neural Network for Rapidly Computing Complex-Valued Linear Matrix Equations

This paper concerns online solution of complex-valued linear matrix equations in the complex domain. Differing from the real-valued neural network, which is only designed for solving real-valued linear matrix equations in the real domain, a fully complex-valued Gradient neural network (GNN) is developed for computing complex-valued linear matrix equations. The fully complex-valued GNN model has the merit of reducing the unnecessary complexities in theoretical analysis and realtime computation, as compared to the real-valued neural network. Besides, the convergence analysis of the proposed complex-valued GNN model is presented, and simulation experiments are performed to substantiate the effectiveness and superiority of the proposed complex-valued GNN model for online computing the complex-valued linear matrix equations in the complex domain.     

函数链神经网络的GA辅助训练方法

本文提出了将遗传算法(GA)和δ规则相结合，来调整一种无隐层的前向网络神经网络一函数链神经网络的参数及结构的方法，并将提出的算法用于2bit异或和曲面拟和问题，实验结果良好。     

神经网络在通信中的应用

神经网络既是一门新兴学科又是一门交叉学科．他发展迅速，在通信中取得了广泛的应用。本文阐述了神经网络在自适应滤波、网络控制、语音、雷达及保密通信中的应用。并对神经网络在通信中的应用前景做了自己的预测。     

延时-回归神经网络及在超声马达控制中的应用

提出了一个结构简单的延时—回归神经网络(Time-delay recurrent neural network,TDRNN)模型.通过在网络中同时引入延时结构和反馈结构来保证网络具有高的记忆"深度"和的记忆"分辨率".建立了TDRNN型的控制器对超声马达进行控制,推导了TDRNN的动态递归反传算法.在离散型Lyapunov稳定性的意义下,导出了权值自适应学习速率的取值范围,保证控制系统的快速收敛.对超声马达速度控制的数值实验表明,本文提出的延时—回归神经网络在动态系统的辨识和控制方面具有很好的性能.     

Study of Sentiment Classification for Chinese Microblog Based on Recurrent Neural Network

The sentiment classification of Chinese Microblog is a meaningful topic. Many studies has been done based on the methods of rule and word-bag, and to understand the structure information of a sentence will be the next target. We proposed a sentiment classifica-tion method based on Recurrent neural network (RNN). We adopted the technology of distributed word represen-tation to construct a vector for each word in a sentence;then train sentence vectors with fixed dimension for dif-ferent length sentences with RNN, so that the sentence vectors contain both word semantic features and word se-quence features; at last use softmax regression classifier in the output layer to predict each sentence’s sentiment ori-entation. Experiment results revealed that our method can understand the structure information of negative sentence and double negative sentence and achieve better accuracy. The way of calculating sentence vector can help to learn the deep structure of sentence and will be valuable for dif-ferent research area.     

一种新型的神经网络预测控制方法

预测控制算法的核心是预测过程中的滚动优化,滚动优化方法选择是确定其是否实用的关键,针对这一特点,在此提出了一种以径向基函数（RBF）神经网络为多步预测模型的非线性预测控制算法。算法采用RBF神经网络建立系统预测模型,并以微粒群优化（PSO）算法作为滚动优化算法,用来实现在有限时域内对控制序列的寻优,提高了优化过程的收敛性和求解精度。仿真结果表明了算法的有效性和高效性,获得了良好的控制效果。     

循环神经网络自适应有源噪声对消研究

介绍了一种新颖的非线性逢适应滤波器－－循环神经网络自适应滤波器。由于这种循环神经等效于非线性ＩＩＲ滤波器,具有学习非线性函数到任意的精度及自适应能力,这种滤波器优于线性滤波器,能够适应各种噪声环境。本文将该滤波器用于有源噪声对消,仿真结果表明了这种循环神经网络自适应有源噪声对消系统具有良好的抗噪声性能。     

有源电力滤波器新型神经网络控制方法

基于神经网络理论和瞬时无功功率理论，提出了一种新型有源电力滤波器控制方法，消除了电源电流在负载电流发生突变处产生的锯齿抖动。这种方法实时检测负载电流的二阶导数，判断负载电流是否发生突变。发生突变则采用基于神经网络理论的程序模块进行补偿电流控制。神经网络模块采用离线训练方法，应用误差反向传播(BP)算法，选择前向三层人工神经网络的模型得以实现。这种方法可以应用在单相、三相电力系统的滤波电路中。仿真结果证明了这种算法的有效性。