一种新型随机二进制神经网络

二进制数据表示具有简洁高效的特点,随机噪声有助于系统摆脱局部极小.新型的随机神经网络模型采用随机加权联接,内部数据表示为随机二进制序列形式,实现十分高效.文中分别就前馈型网络和反馈型网络进行了深入的讨论,给出了前馈型网络的梯度下降学习算法,为反馈型网络设计了快速有效的模拟退火算法和渐进式Boltzmann学习算法.通过对PARITY问题的测试,发现了新模型的一些有趣特征,实验结果表明梯度下降学习效果显著.利用渐进式Boltzmann学习,反馈型网络被成功地用于带噪声人脸识别.     

A NEURAL NETWORK INTERPRETATION OF CODONS

There are 64 possible codons that map to 20 amino acids. Each amino acid is represented by one to six codons. We were interested in using the simplest possible neural network architecture to correlate codons and amino acids. We found that the network learned and classified better if targets were represented by a more spread out format (called a training wheel). We also verified the implication of the hidden nodes, as suggested by Tolstrup et al., namely that the values of hidden nodes cluster according the Goldman, Engelman, Steitz (GES) scale of amino acid transfer free energies.     

神经传递通路的神经网络建模

建立与生物神经系统相像的人工神经网络是设计具有智能的人工制品的有潜力的研究方法.建立神经网络传递通路简化模型,并应用神经网络建模.模型由4个回路构成动态延迟网络,包括丘脑回路、大脑皮质回路、基底核回路和小脑回路.仿真测试表明:网络易于数学实现,并具有良好的函数逼近能力和泛化能力.网络可用于自治系统和自治产品.＃     

前向人工神经网络的生成系统

开发了一个前向人工神经网络生成系统的软件包，集网络的生成，学习使用和数据处理功能一身，调用灵活，已将该软件包应用于试验优化设计，多元校正。     

一种与神经元网络杂交的决策树算法

神经元网络在多数情况下获得的精度要比决策树和回归算法精度高,这是因为它能适应更复杂的模型,同时由于决策树通常每次只使用一个变量来分支,它所对应的识别空间只能是超矩形,这也就比神经元网络简单,粗度不能与神经元网络相比,然而神经元网络需要相对多的学习时间,并且其模型的可理解性不如决策树、Naive-Bayes等方法直观,本文在进行两种算法对复杂模型的识别对比后,提出了一个新的算法NNTree,这是一个决策树和神经元网络杂交的算法,决策树节点包含单变量的分支就象正常的决策树,但是叶子节点包含神经元网络分类器,这个方法针对决策树处理大型数据的效能,保留了决策树的可理解性,改善了神经元网络的学习性能,同时可使这个分类器的精度大大超过这两种算法,尤其在测试更大的数据集复杂模型时更为明显。     

DATA CLUSTERING USING A REORGANIZING NEURAL NETWORK

A new approach, designed for clustering of arbitrary distributed patterns, is presented. This study is concerned with the use of a self-organizing neural network as a frame for data clustering. The nearest network nodes in feature space are treated as prototypes, assigned to the corresponding cluster. The rules for dead-node shifting and simple adjustment of coordinates of the active nodes are introduced. The performance of the proposed self-organizing neural network is examined on the benchmark synthetic and the real-world problem.     

一种新的ART2神经网络模型

指出了传统的ART2神经网络对渐变过程不敏感的局限性,建立了新的ART2神经网络模型,与传统模型相比,增加了伴随神经元和重置系统B.开发了相应的MATLAB程序,模拟实验表明新的ART2神经网络能够分辨渐变过程.     

一种基于神经网络的视觉定位系统

本文提出了一种基于人工神经网络的多线阵相机系统标定与3D定位方法，并应用于基于多线阵相机构成的视觉空间定位系统．该视觉定位系统利用了线阵相机的快速性与高分辨率的特点，非平行空间投影面相交定位的基本原理，实现了这种结构下快速、高精度空间定位．实验表明，人工神经网络的定位方法简化了多线阵视觉定位系统标定与定位计算的复杂性，在定位精度上达到了良好效果．为机器人位置反馈控制提供了有效的技术途径．     

模糊神经网络在条形码识别中的应用

本文把模糊集合论的知识应用于自组织神经网络,提出一个模糊神经网络算法。新算法克服了一般神经网络方法共同面临的学习时间长、对网络参数敏感的弱点,广泛适用于一般的模式识别问题。对条形码识别问题的应用情况表明,新算法无论在网络学习的速度上还是在识别结果上都优于Ｋｏｈｏｎｅｎ的自组织神经网络方法。     

模糊神经网络技术综述

首先讨论了模糊神经网络协作体的产生和优越性，随后将模糊神经网络划分为狭义模糊神经网络、用模糊逻辑增强网络功能的神经网络和神经模糊系统，并分别介绍了各自的网络结构和学习算法，最后介绍了模糊神经网络的工业应用．     

一个自生成的神经树网络模式分类器

本文研究一种神经树网络（ＮＴＮ，ＮｅｕｒａｌＴｒｅｅＮｅｔｗｏｒｋ）模型，提出一种能自动生成其体系结构的有监督的竞争学习算法，指出该模型能解决复杂的多类模式分类问题．模拟数字例子——手写体数码识别的结果也表明该分类器是有效的．     

正交投影神经网络

本文在前馈网络的基础上，提出了一种新的网络模型。在该模型中，由于将线性优化技术引入其学习训练过程，从而提高了网络的学习速度。同时，该网络仍保持了神经网络中非线性映射的基本特点。由于这种网络的学习算法是基于正交投影算法，故我们称之为正交投影神经网络（ＯＰＮＮ）。最后，给出了两个利用ＯＰＮＮ网络分别进行异或分类和函数逼近的例子。     

神经元网络控制系统

人工神经元网络基于其特有的功能而被应用于控制系统中,为智能控制提供了一个有潜力的发展方向,本文讨论了神经元网络控制的三种方法:基于模式识别功能的BP网络控制器,基于联想记忆模型的模糊控制,以及基于神经元网络优化功能的控制优化调节,并分别指出其优、缺点及有待解决的一些问题。     

优化神经网络结构

本文综述了构造优化神经网络结构的一些方法，并对这些方法进行了分类，最后提出了存在的问题和进一步的工作。     

基于神经网络的混沌加密算法

首先用神经网络来训练已知混沌序列,并利用该模型产生的非线性序列实现了明文、密文之间的转换,该算法的优点之一是神经网络（NN）隐式混沌映射关系使直接获取映射关系变得困难,经理论分析选择了较好的神经网络学习方法,实验进一步表明,该算法产生的序列随机性、抗破译性能良好;加密弹性大,可扩展性好;加密速度快。     

基于神经网络的多变量协调预估控制器

针对操作变量多于被控变量的“胖”系统，提出了一种多变量协调控制系统，本控制系统在保证对关键变量实施定点控制的同时，还尽可能将操作变量协调至理想操作区，以达到优化操作变量的目的，文中将生产过程中复杂的操作要求和优化规则归纳整为一系列多变量优化协调逻辑，并进而用人工神经网络予以实现，用预估控制技术实现控制。这种协调控制器结构充分发挥了神经元网络和预估控制算法两方面的优势。在石油分馏塔上实现的多变量协调     

一种选择性神经网络集成构造方法

提出了一种选择性神经网络集成构造方法,在训练出个体神经网络之后,使用遗传算法部分网络来组成神经网络集成。理论分析和实验结果表明,与传统的使用所有体网络的方法相比,该方法能够取得更好的效果。     

用神经网络启发式算法求解最大独立集问题

本文提出一种求解最大独立集问题(MIS)的启发式神经网络算法.该算法基于MIS问题的特点,有效地限制神经网络初始点的选择范围,并利用神经网络快速收敛能力获得问题的解.与标准神经网络算法相比,该算法显示了较高的全局优化性态与计算效率.模拟计算实例表明了该算法的有效性.     

用神经网络求解性能驱动的电路划分问题

文中考虑一种以连线代价最小目标的,以面积和时延为约束的,划分块与划分块之间有确定和拓扑关系的电路划分问题,提出了一个性能驱动电路划分的均场退火算法。算法通过换拉矩阵把问题映射为神经网络,并建立了包含优化目标项,面积约束项和时延约束项的能量函数,再用均场退火方程失代求解。     

一类具有多维存储结构的CMAC神经网络

对于多输入 CMAC神经网络 ,概念映射决定了网络泛化特性 .从而直接影响到网络学习速度和网络的逼近精度 .本文在对多输入 CMAC网络进行深入分析的基础上 ,指出了概念映射的重要性及现有映射算法存在的不足 ;巧妙地将网络存储器由原来的一维改为多维从而得到了一类新型的多输入 CMAC神经网络 ,同时给出了新型网络的概念映射算法并分析论证了算法的合理性、严密性 .计算机仿真结果验证了所提出新型网络及其概念映射算法的有效性