非线性规划神经网络模型

本文提出一种求解闭凸集上非线性规划问题的神经网络模型,给出了它的Liapunov函数,在适当的假设下,运用La Salle不变性原理证明了它的大范围渐近稳定性,并给出了计算机模拟。     

关于非线性规划神经网络的稳定性

本文用新的方法进一步证明了Kennedy和Chua(1988)的神经网络在无界解集和不充分大的惩罚参数情形下仍是全局稳定的,因此推广了Maa和Shanblatt(1992)对有界解集和充分大惩罚参数的结果。     

基于Lagrange乘子法的非线性规划神经网络

本文针对文献「１」中非线性规划神经网络的缺点，提出了一种新的非线性规划神经网络，在文中，我们分析了网络的收敛性和稳定性，并给出其电路实现，仿真结果证明了该神经网络有效地求解非线性规划问题。     

一种新型的Lagrange非线性规划神经网络

通过改造Lagrange乘子项,对不等式约束和等式约束用同样的方法处理,构造出一种新型的Lagrange非线性规划神经网络,并对网络的稳定性和收敛性进行严格的理论分析.而且,用增加惩罚项的方法,放宽网络收敛的条件.     

多目标线性规划的神经网络方法

本文提出了求解多目标线尾规划问题的神经网络，证明了该网络全局稳定于平衡点，且该平衡就是多目标线性规划问题的非劣解，另外它还具有模型小的优点。     

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。     

解一般线性规划问题的神经网络

本文提出了一个解一般线性规划问题的神经网络，并在理论上予以了严格证明，对比增广的神经网络，新网络除了同优点外，还具有模型小的特点，最后，给出了网络的电路实现及模拟示例。     

一种新的求解线性规划的神经网络

本文提出一种新的求解线性规划的神经网络.理论分析和模拟都表明,我们给出的网络是大范围渐近稳定的,网络给出的解可与线性规划问题的最优解任意接近.     

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。     

时延不对称Hopfield神经网络的稳定条件及其应用

本文对具有时延的不对称Ｈｏｐｆｉｅｌｄ型神经网络平衡点的稳定性进行了分析，得到了网络平衡点全局渐近稳定的一些充分条件，最后我们说明了分析结果在网络设计和参数选择中的应用。     

时延不对称Hopfield神经网络的稳定条件及其应用

本文对具有时延的不对称Hopfield型神经网络平衡点的稳定性进行了分析,得到了网络平衡点全局渐近稳定的一些充分条件,最后我们说明了分析结果在网络设计和参数选择中的应用。     

炼化线性规划通用模型的建设与应用

炼化线性规划通用模型包含着炼厂全部的炼化装置，并可以根据加工需要进行生产路线的自动最优化选择。在新炼厂建设规划当中可以根据所加工原油等约束条件快速选择出加工最优化方案所需的装置配比；在现有炼厂生产优化过程中可以快速自主选择装置最优加工能力、生产流程、产品结构等，最大化的提高企业效益。     

线性规划模型在最优决策中的应用研究

线性规划在生产管理和经营活动中起到重大作用。在给出线性规划模型的基础上,通过实例,介绍建立线性规划模型的一般方法,并应用软件Mathematica进行求解,进而为决策者提供最优的决策。     

神经网络用于多个空间信号方向的实时估计

文章在无约束非线性规划神经网络模型的基础上，提出了一种实时估计空间多个信号到达方向的方法，并给出了模拟结果。     

动态空间信号波达方向的神经网络实时跟踪

基于神经网络模型,本文探讨了动态空间信号源波达方向实时跟踪估计的方法,模拟验证表明该方法取得了良好的效果。     

主从通用神经网络模型

本文提出了一种新的神经网络模型——主从通用神经网络模型,并通过对两种主从控制方式的讨论,证明了这种模型在一定程度上的通用性.     

神经网络模型特性研究

神经网络有自组织、自学习和联想记忆功能,具有分布式、并行式和高度鲁棒性等特点。神经网络以其独特的结构和处理方法在理论上可以实现任意函数的逼近,它克服了模型必须是基本观测数据的线性和非线性组合的局限性。本文就神经网络的特性进行了介绍。     

基于非线性模型的神经网络非均匀性校正方法

在低照度成像的短波红外相机中,像元响应存在非线性问题.为了克服传统的神经网络自适应校正方法只能进行线性校正的不足,提出了一种基于非线性模型的BP神经网络非均匀性校正算法,针对单一像元通过隐含层多神经元拟合像元校正曲线,有效降低拟合误差,并通过实验验证了算法的合理性.结果表明,改进算法在图像的局部非均匀性,粗糙度方面相较于传统算法分别降低了27％和28％,非线性响应像元校正曲线拟合误差降为传统算法的30％.     

基于神经网络的推荐系统模型分析

阐述基于神经网络的推荐系统模型,推荐系统可以对用户可能需要的信息资源进行预测判断,帮助用户在庞大冗余的信息中快速精准地寻找到自己所需要的信息,实现信息价值的挖掘与开发。