微带不连续性的神经网络模型

本文采用多层感知器建立了微带不连续性的神经网络模型。     

具有非线性突触联接和适应性的人工神经元电路模型

基于匹配神经细胞突触、胞体和轴突的电神经生理特性，本文提出了一种接近真实神经细胞输入－输出关系和强度－时间曲线的，且具有非线性突触联接和适应性的非线性压控电阻电路模型，并分析了它的一些基本特性。结果表明，该模型比现存的神经网络更接近真实神经计算原理。由这一模型组成的胜者为王（ＷＴＡ－Ｗｉｎｎｅｒ－Ｔａｋｅｓ－Ａｌｌ）网络能够比模拟网络更有效地检测出最大输出，并引入了强度竞争和时间竞争两个新概念。     

通信电缆管道和其他地下管线的交越

本文介绍了通信电缆管线与其他专业地下管线交越的一般原则和具体情况应对措施.     

一种基于符号逻辑的神经元模型和电路实现

为了实现基于符号逻辑的神经网络系统,本文定义了一种逻辑神经元模型,并采用了电流型ＣＭＯＳ工艺实现辽种神经元电路的各种逻辑功能,最后通过电路模拟,证明设计的正确性。     

一种基于符号逻辑的神经元模型和电路实现

为了实现基于符号逻辑的神经网络系统,本文定义了一种逻辑神经元模型,并采用了电流型CMOS工艺实现这种神经元电路的各种逻辑功能,最后通过电路模拟,证明设计的正确性。     

通用神经网络硬件中神经元基本数学模型的讨论

在介绍了作者实现通用神经网络硬件中应用的通用计算公式的基础上,提出了一种能同时模拟包括RBF与传统BP网络神经元在内的各种神经元通用的新的数学计算模型,并把基于这种通用数学计算模型的神经网络CASSANDRA-Ⅱ型神经计算机结构设计中并予以硬件实现.文中还讨论了它所模拟神经元网络的灵活性.     

前馈型神经网络中隐藏层神经元的研究

本文采用前馈型神经网络及BP算法对3种飞机模型的复合畸变不变性识别进行了研究。结合以前用级联神经网络及聚类编码方法对同一问题的研究结果,对神经网络的隐藏层神经元的个数及其对识别率及权重训练的影响进行了研究,提出了减少隐藏层神经元的一种方法,以简化识别网络的结构。     

S类放大器交越失真的仿真研究

交越失真是由于晶体管的门坎电压而产生,减小或克服交越失真是人们一直关注的课题之一。本文采用Multisim9对一款S类音频功率放大电路进行仿真,给定不同的信号幅度和频率,用虚拟示波器观察其输入输出信号的波形,同时用虚拟仪表量测其幅值。结果表明S类电路没有完全消除纯乙类电路所存在的交越失真。     

具有非线性突触联接和适应性的人工神经元电路模型

基于匹配神经细胞突触、胞体和轴突的电神经生理特性,本文提出了一种接近真实神经细胞输入-输出关系和强度-时间曲线的,且具有非线性突触联接和适应性的非线性压控电阻电路模型,并分析了它的一些基本特性。结果表明,该模型比现存的神经网络更接近真实神经计算原理。由这一模型组成的胜者为王(WTAWinner-Takes-All)网络能够比模拟网络更有效地检测出最大输出,并引入了强度竞争和时间竞争两个新概念。     

神经网络高精度权值的模拟电路实现

本文提出了一种电流模式4-bit可调权值模拟神经元电路,权值易存贮而且精度高。该电路可扩展为8-bit等多值分立权的神经元电路.文章扼要分析了神经元电路的工作原理,并用SPICE Ⅱ进行仿真,证明了这种电路的正确性。     

Artificial Neural Network Models for the Crossover Discontinuities in Stripline Circuits

Crossover discontinuities between two adjacent orthogonal signal layers often appear in many stripline circuits, such as the multilayer microwave monolithic ICs and the interconnect systems in high-speed digital circuits. In this paper , a multilayer perceptron neural network(MLPNN) is used to model the electrical properties of the crossover discontinuities in stripline circuits. The MLPNN is electromagnetically developed with a set of training data that are produced by the full-wave finite-difference time-domain method. The full-factor design of experiments is used to determine the size of the training data.     

Artificial Neural Network Models for the Gap Discontinuities in Stripline Circuits

Gap discontinuities appear in many stripline circuits, such as the multilayer microwave monolithic ICs and the interconnect systems in high-speed digital circuits. In this paper, a multilayer perceptron neural network (MLPNN) is used to model the gap discontinuities in stripline circuits. The MLPNN is electromagnetically developed with a set of training data that are produced by the full-wave finite-difference time-domain (FDTD) method. The full-factor design of experiments is used for determining the size of the training data.     

Artificial Neural Network Models for the Bend Discontinuities in Stripline Circuits

Stripline discontinuities are basic elements of many stripline circuits, such as the multilayer microwave monolithic ICs and the interconnect systems in high-speed digital circuits. Bend as one type of the stripline discontinuities will be modeled in this paper. A multilayer perceptron neural network(MLPNN) is used to model the bend discontinuities in stripline circuits. The MLPNN is electromagnetically developed with a set of training data that are produced by the full-wave finite-difference time-domain (FDTD) method. The full-factor design of experiments is used to determine the size of the training data.     

Artificial Neural Network Models for the Double-Vias in Multilayer Stripline Circuits

Multi-vias is a kind of interconnection largely existing in the multi-chip module (MCM) packages for high-speed digital circuits. In this paper, a multilayer perceptron neural network (MLPNN) is used to model the double-vias in multilayer stripline circuits. The MLPNN is electromagnetically developed with a set of training data that are produced by the full-wave finite-difference time-domain (FDTD) method. One type of the designs of experiments, the central composite technique, is used to allow for a minimum number of FDTD simulations that is needed to be performed.     

基于神经网络的微波电路建模与优化

本文讨论用神经网络对微波电路进行建模、优化。借助电磁声理论计算或基于实际测量,可得到微波电路的输入、输出样本数据,从而可训练神经网络,在兼顾它的推广性能的基础上,对微波电路建模。进一步,通过优化神经网络对应参数,可优化微波电路。文章用ＲＢＦ（Ｒａｄｉａｌ Ｂａｓｉｓ Ｆｕｎｃｔｉｏｎ）神经网络对微带变阻器建模、优化,以此为例,进行了较为详细的阐述。     

线性模拟电路的双故障诊断及人工神经网络的实现

本文提出了一种进行线性模拟电路双故障定位的原理及以此为基础的人工神经网络实现方法。文中论述了双故障元件参数在零到无穷大间变化时，测量值在增量空间所具有的一般特性。当可测端对各元件的转移阻抗或各元件单故障空间特性已知时．则根据两次独立测试结果，即可对双重故障定位。这一方法减小了传统K故障法所需的在线计算量，算例表明此法有好的诊断效果。     

数字电路的最优神经网络模型及建立方法

本文研究电路的最优神经网络模型,获得了对任意结构的多输入多输出逻辑电路,都存在一种最优神经网络能表征电路的逻辑功能,通过求解一个线性方程组可以得到这种神经网络的结构.文中也给出了多输入基本门电路的最优神经网络结构及其能量函数的一般表达式.     

约束优化神经网络建模和控制策略研究

根据人工神经网络的基本优化机理，研究了基于Ｌａｇｒａｎｇｅ函数的适合于求解一般约束问题的神经网络建模方法，探讨了神经元非线性度和拉氏乘子等提高网络优化设计效率的控制策略，测试结果证明了提出的网络和控制策略的可行性和有效性。