一种新的神经元统一模型

基于神经元结构的通用模型，提出一种含有学习规则的新的神经元统一模型，新模型能描述大多数已提出的各种神经元模型，文中给出新模型和用它对已提出的各种神经元描述的实例。     

两大类水工结构配筋计算的统一方法

对于水工中截面尺寸由非强度条件确定的大体积结构,本文介绍按一种新颖的方法——“临界截面”法确定配筋,并提出用迭代配筋法对其计算方法作了改进,使计算结果更为合理精确;而且还将截面尺寸由强度条件和由非强度条件确定的两大类结构的计算统一了起来。     

神经网络在梁体结构计算中的应用

力学中反问题对于确保结构的安全使用和维修具有重要的意义，应用ＢＰ神经网络对梁体结构中的反问题进行了一些研究，并用Ｂ 对简支梁的葆载进行了预测。     

中美钢结构设计规范关于高强螺栓计算方法比较

对我国钢结构设计规范（GB50017—2003）和美国钢结构协会设计规范（AISC2005）,中关于高强螺栓的计算方法进行了计算分析和比较,有关分析结论可供高等院校学生及工程技术人员了解中美钢结构设计规范的技术水平和发展动态时参考．     

催化裂化气体烃收率神经网络模型

在小型固定流化率反应装置上进行蜡油与渣油的催化裂化反应实验。考虑人工神经网络在处理复杂系统的建模问题上具有优越性,经过网络结构和学习样本的确定、网络的训练、模型预测能力的考察,利用神经网络建立蜡油与渣油催化裂化气体烃产率模型,该模型直接气体烃产率与原料油的结构族组成和物性,气体＋焦炭痃,汽油产率进行了关联。研究结果表明该模型具有较好的计算精度和满意的预测能力。     

各专业混凝土结构设计规范统一方法的研究

剖析了我国混凝土结构设计规范的现状，论述了规范统一的必要性，从共性内容和特殊专业两方面提出了规范统一的具体方法以及在规范统一过程中应注意的一些问题。     

中美钢结构设计规范关于角焊缝的限值及计算方法比较

以《钢结构设计规范》（GB50017—2003）为基础,结合美国钢结构协会设计规程（AISC—LRFD-2001）,对两本规范中关于角焊缝的构造限值及计算方法进行了计算分析和比较．     

基于神经网络的食品安全评价模型构建研究

食品安全评价模型的准确度高低,直接影响食品安全状况评价、预测的准确率.结合危害分析与关键控制点的（HACCP）食品安全管理体系理论,从食品供应链的角度出发,建立食品安全评价指标体系;使用层次分析法（AHP）改进逆向传播（BP）神经网络算法中随机初始化计算权重的方法,训练样本数据,并以测试数据作为验证,检测模型的误差收敛速度和拟合度.结果表明,这种BP神经网络结合AHP方法构建的模型具有实用、精度高、快速、客观等优点,可用于生产、加工、销售等流通环节食品安全评价、区域食品安全评价以及种类食品安全评价.     

基于模糊神经网络的模式识别方法

讨论了3种模糊神经元和由其构成的模糊神经网络的基本原理及其学习和自适应机制,针对模糊模式识别问题,建立了一种基于BP学习算法的模糊神经网络模式识别系统,该系统兼有模糊逻辑控制和神经网络两种技术的优点,提高了模糊模式识别的准确性。     

神经优化计算模型求解油田开发中的优化问题

阐述了线性优化计算和非线性优化计算的神经网络模型，该模型可以在电路时间常数数量级(几百纳秒)内求解复杂的优化问题，且能克服一般数学理论求解优化问题的缺点。之后对油田开发中使用典型曲线自动拟合产量衰减曲线进行了分析，并讨论了油田开发规划模型的建立与求解，并论证这些优化问题可以由神经优化计算模型来实现。     

决策模型的神经网络表示

利用因素空间的理论对多属性决策中加权综合模型、距离模型、综合评判模型、多层次综合模型4种基本模型进行分析,给出了相应的神经网络表示和算法,最后结合实例在计算机上给予实现.     

一种基于神经网络的专家系统设计

提出了一种基于神经网络的专家系统设计方案,其核心是作为知识库的人工神经网络(ANN)和基于ANN的正向推理机制。研究了一种表达知识的二元产生式规则及其编码方法,通过编码知识被存储在ANN中。基于ANN的知识库,设计了一种具有正向推理的推理机,并且以动物识别为背景,设计了一个原型系统。     

Neural Network Based Thermal Analysis of Ultradeep Submicron Digital Circuit Design

With a reduction in transistor dimensions to the nanoscale regime of 45 nm or less, quantum mechanical effects begin to reveal themselves and have an impact on key device performance parameters. As a result, in order to develop simulation tools that can be used for the design of nanoscale transistors in the future, new theories and modelling methodologies must be developed that properly and effectively capture the physics of quantum transport. An artificial neural network (ANN) is used in this paper to examine nanoscale CMOS circuits and predict the performance parameters of CMOS-based digital inverters for a temperature range of 300 K to 400 K. The training algorithm included three hidden layers with sizes of 20, 10, and 8, as well as a function fitting ANN with Bayesian Backpropagation Regularization. Further, simulation through HSPICE using Predictive Technology Model (PTM) nominal parameters has been done to compare with ANN (trained using an analytical model) results. The obtained results lie within the acceptable range of 1%-10%. Moreover, it has also been demonstrated that the ANN simulation provides a speed improvement of around 85 % over the HSPICE simulation, and that it can be easily integrated into software tools for designing and simulating complicated CMOS logic circuits.     

用于语音识别的分级结构神经网络

将几种不同的分级结构神经网络用于非特定人的汉语孤立音识别,比较了它们的不同性能,实验结果表明,针对一定词汇表,确定适合的分极结构,可以使非特定人的语音识别达到较高的识别率。     

切彼雪夫神经网络硬件实现

介绍了切彼雪夫神经网络简洁的拓朴结构及逼近任意非线性映射的优异特性,给出了非线性映射仿真实例与结果,并提出了一种采用单片机硬件和相应软件去实现神经网络的方法,这种方法具有较好的实用性.     

切彼雪夫神经网络硬件实现

介绍了切彼雪夫神经网络简洁的拓朴结构及逼近任意非线性映射的优异特性,给出了非线性映射仿真实例与结果,并提出了一种采用单片机硬件和相应软件去实现神经网络的方法,这种方法具有较好的实用性．     

引入记忆-遗忘机制的人工神经网络模型

针对如何提高人工神经网络在模式识别分类速度和更好地模拟人脑学习、认知事物过程的问题,提出一种改进的人工神经网络模型。将人脑的记忆-遗忘机制引入到人工神经网络中,同时在网络中加入了粗分类模块。在网络运行过程中,固定周期内对已学模式按照记忆强度进行排序。此方法可以有效地提高网络的识别速度。实验证明改进后的人工神经网络减少了网络计算量,节省了识别时间,提高了网络的工作效率。     

一种用神经网络建立加热炉模型的方法

加热炉是一个复杂的被控对象，通过神经网络建立加热炉模型，用实际数据对所建加热炉模型进行仿真。结果表明，用该方法所建的加热炉模型精度很高，绝对误差在允许范围之内，达到了实际应用的要求。