基于遗传算法和BP算法的多层感知机杂交训练算法

基于梯度下降的神经网络训练算法易于陷入局部最小，从而使网络不能对输入模式进行准确分类。本文提出综合遗传算法和ＢＰ算法的杂交算法ＧＡ－ＱＰ，它结合遗传算法的全局搜索特性和ＢＰ的局部收敛特性，实现对神经网络的有效训练。     

前向多层神经网络模糊自适应算法

本文将模糊集理论与人工神经网络的研究相结合，提出一种模糊自适应ＢＰ算法，用典型异或问题与规模更大的打印机磁泄漏信息识别问题进行计算机模拟表明，该算法可使ＢＰ算法的收敛速度明显提高。此项工作为神经网络与模糊系统相结合探索了一条新的途径。     

多层神经网络同伦连续BP算法的递归实现

本文提出了一种递归实现的同伦连续ＢＰ算法，该算法可有效地解决ＢＰ网络的全局收敛性问题，同时使网络具有很快的收敛速度。     

BP网络不平衡训练样本集的有效学习算法

分析了ＢＰ网络标准反传学习算法对不平衡样本集训练速度慢的原因，研究了如何改进其学习算法来加速训练速度，并通过实验对上述理论进行验证。     

一种模糊自适应BP算法的研究

本文在人工神经网络中引入模糊集理论，提出一种模糊自适应ＢＰ算法。通过奇偶校验和ＥＥＧ异常波形检测两上实例，验证了新算法在学习速度与性能上都优于传统的ＢＰ和虎法。     

同伦BP网络理论与算法

ＢＰ网络和算法是使用最广泛的神经网络模型之一，但由于它使用梯度算法，因而存在有固有的局域极小及收敛速度慢等问题。本文首先把一ＢＰ网络的优化问题变换为一非线性方程的求解，然后将同伦思想引入到神经网络学习训练之中，提出了相应的同伦ＢＰ网络理论与算法，它具有全局收敛的优点，同时具有比传统梯度法收敛速度快一个数量级以上和克服病态的能力，在ＢＰ梯度法不收敛时它也能给出正确解答。本文的理论证明和计算机仿真实验     

基于误差变化率的自适应反应传播算法及其应用

本文针以ＢＰ算法存在收敛速度慢的特点，提出了一种基于网络动态训练误差变化率自动校正学习步长和冲量因子的自适应反向传播算法，异或问题，非线性系统和参数波动系统辨识的结果表明，该方法具有较快的收敛速度。     

采用进化计算的BP神经网络学习算法研究

针对ＢＰ神经网络中存在的局部极小问题,本文提出了采用进化计算方法改进ＢＰ学习算法收敛速度的新方法,理论分析和数字仿真表明算法有很好的效果。     

一种采用基于知识的优化过程的BP算法研究

针对ＢＰ算法的固有缺点，提出一种实用有效的改进算法．此算法在每次得到的搜索方向上，都进行一维优化，从而解决了ＢＰ算法须人工由经验选取固定步长而带来的弊病；针对误差函数高度非线性的特征，改进算法采用基于知识的处理过程，全面利用每一步计算所得到的误差函数值和导数进行误差函数曲面地形判断，指导搜索计算，使算法具有极好的收敛稳定性，同时大大提高了收敛速度．     

具有非线性突触的BP神经网络模型及其性能分析

本文提出了一种新的ＢＰ网络模型及其相应的算法。这种模型采用具有非线性特性的自适应查表单元来模拟神经元的突触，从而为网络的学习提供了全局最优的收敛特性以及省时的迭代和快速收敛等优点。     

径向基函数网络的ABS投影学习算法

Ｂｒｏｏｍｈｅａｄ（１９８８），Ｃｈｅｎ（１９９１）等人提出的ＲＢＦ网络的学习算法都是基于传统的ＬＭＳ算法，因此具有一定的局限性。本文提出了一种新的ＲＢＦ网络的学习算法－ＡＢＳ投影学习算法，它是一种直接的学习算法。计算机模拟的结果表明，它具有学习效率高，识别率高和适用范围广的优点。     

一个符号神经网络的学习算法

本文首先根据神经科学和认知科学的研究，提出了一种符号神经网络结构，该结构溶符号机制和神经网络于一体，然后在此基础上研究了其学习算法，该算法结合神经网络ＢＰ学习算法和符号机制中学习算法的特点；最后通过实验，证实该算法的可行性和先进性。     

IC表面钝化PECVD工艺的计算机模拟

本文介绍了一种新的工艺研究途径－神经网络反向传播算法（ＢＰ算法），并对其网络学习收敛速度的加快进行了讨论，取得了较好的效果；利用改进的神经网络ＢＰ算法，我们通过建立ＩＣ表面钝化工艺的神经网络模型，对ＩＣ表面钝化工艺进行了计算机模拟，精确地预报了实验结果并得到了相关工艺条件与钝化介质膜特性的关系曲线，所编写的神经网络应用程序已用Ｃ语言在计算机上得到了实现。     

一种新颖的自适应图像压缩算法

数字图像压缩技术是信息高速公路的关键技术之一。本文提出了一种新颖的自适应图像压缩算法，该算法能在保证图像客观和主观质量不受损害的前提下，根据图像的具体特征，合理地选择相应的处理方法。算法的基础是基于块匹配法（ＢＭＡ）和块递归法（ＢＲＡ）的自适应搜索方法、基于边缘检测的自适应运动补偿技术以及基于边缘复杂度的自适应量化算法。在前人研究成果的基础上，我们提出了自己的自适应法则和实现方法，使运算数据量更有效地压缩。本算法有较强的适应性。可以有效地应用于Ｈ．２６１建议、ＪＰＥＧ算法、ＭＰＥＧ算法和ＨＤＴＶ等方面而无需作重大改动。当然其较大的数据压缩比使其特别适用于低码速率Ｈ．２６１建议。     

路由器原理及路由协议

本文通过阐述ＴＣＰ／ＩＰ网络中路由器的基本工作原理，介绍了ＩＰ路由器的几大功能，给出了静态路由协议和动态路由协议，以及内部网关协议和外部网关协议的概念，同时简要介绍了目前最常见的ＲＩＰ、ＯＳＰＦ、ＢＧＰ和ＢＧＰ－４这几种路由协议。然后描述了路由算法的设计目标和种类，着重介绍了链路状态法和距离向量法。在文章的最后，扼要讲述了新一代路由器的特征。     

一种基于误差变化率的自适应反射传播算法

本文针对ＢＰ算法存在收敛速度慢的缺点，提出一种基于网络动态训练误差变化率自动校正学习步长和冲量因子的自适应反向传播算法。导或问题的仿真结果表明，该方法具有较快的收敛速度。     

快速和高精度的前馈网络学习算法

本文针对三层前馈网络提出一种全新的学习算法,该法克服了传统ＢＰ算法因用梯度下降和误差逆向传播而拖慢收敛速度及易陷于局部极小的缺点。所提出的算法是代数型的,计算复杂度为多项式阶。文中给出的一个非线笥时间序列训练算例表明：新算法较ＢＰ算法在计算精度和速度方面均有大幅度提高,在网络规模变大时此算法的优点尤为明显。     

BP神经网络学习算法的联合优化

针对ＢＰ网络学习速度的缓慢性,本文提出了一种联合优化后的快速学习算法。其改进具体表现在以下方面：（１）采用Ｃａｕｃｈｙ误差估计器代替传统的ＬＭＳ误差估计器,（２）对常规的Ｓｉｇｍｏｉｄ函数引入形态因子;（２）采用非单调线性搜索法实现学习步长的自适应变化。最后,本文以模式分类,函数逼近和数据压缩的典型应用为例分别与标准ＢＰ常规改进算法进行比较,验证了该算法的优越性。     

基于神经网络BP算法PECVD Si3N4钝化工艺的模拟

由于ＩＣ制造过程的高度复杂非线性，利用传统的方法进行工艺分析难以获得满意的结果，现描述一种新的途径－－神经网络反向传播算法，并介绍了神经网络ＢＰ算法ＰＥＣＶＤ Ｓｉ３Ｎ４钝化工艺中的应用。通过建立ＰＥＣＶＤ淀积工艺的神经网络模型，对ＰＥＣＶＤ Ｓｉ３Ｎ４钝化工艺进行了计算机模拟，讨论了相关工艺条件对Ｓｉ３Ｎ４介质膜特性的影响，所编写的神经网络应用程序已用Ｃ语言在计算机上得到了实现。     

秩—相位误差估计自聚焦方法的改进

本文提出了改进的秩－相位误差（ＩＲＯＰＥ）估计自聚焦算法，与ＲＯＰＥ算法相比，ＩＲＯＰＥ有两个优点：（１）它基于的模型更符合实际，所以具有更好的鲁棒性。（２）它对迭代过程初值的设定是近似准确的。本文通过近似分析证明。ＩＲＯＰＥ对相位误差差分的估计最最大似然（ＭＬ）估计，而相位梯度自聚焦（ＰＧＡ）算法是ＩＲＯＰＥ的一个子集，即在满足一定条件时，ＩＲＯＰＥ和ＰＧＡ对相位误差的估计都是线笥无偏最小方差估