有监督线性特征映射(SLFM)网络及刀具磨损量实时估计

提出了有监督线性特征映射网络（ＳＬＦＭ），并应用于刀具磨损量实时估计，研究了网络参数对学习速度和网络性能的影响，并与误差反馈式多层前向网络（ＢＰ网络）进行对比。研究表明，ＳＬＦＭ网络具有学习快、精度高的优点，具有广泛的应用前景     

小波神经网络的研究及其展望

小波分析与神经网络结合的研究，已成为近些年来信号处理学科的热点之一，小波分析具有良好的时频局部性质，而神经网络具有自学习功能和良好的容错能力，将二者结合必具有中大的优势，本文对小波网络的结构形式，学习算法主其应用进行综述，并就其存在的一些问题及其发展趋势进行了探讨。     

基于投影寻踪子波学习网络的图像无监督恢复

针对现有模糊图像的复原方法，提出了一类新型人工神经网络——投影寻踪子波学习网络，并将其用来处理图像的去模糊问题。这类新型网络具有投影寻踪学习网络优点，在先验条件知道甚少的情况下，不用求点扩展函数，直接通过网络的学习，提取参数，以达到自适应剔除图像的模糊信息，恢复原图像；且具有小波函数的时域局部性，可以对多种噪声源的模糊图像进行恢复。模拟结果表明，该方法对于图像无监督恢复明显优于现有图像恢复方法。     

一种基于网点的小脑模型及其在非线性动态系统建模中的应用

小脑模型常用于学习控制，可看作一种基函数网络。本文提出了网点的概念和以网点为中心的超闭球量化方法，给出了快速学习算法，并分析了其收敛性，通过非线性动态系统连续搅拌釜反应器的建模仿真研究，结果表明该ＣＭＡＣ具有很强的学习记忆功能，可用于非线性动态建模。     

智能学习引擎的研究

随着计算机和网络技术的飞速发展,基于网络架构的智能学习系统中知识规则的研究已经成为了一个重要的研究领域．针对智能学习系统提出了智能学习引擎的概念,介绍了智能学习引擎的设计方法．如何查找前序知识点和预测后续知识点,并结合了形式概念对具有偏序关系的知识点进行了研究．     

自媒体环境下网络课程实施效果评价

社会进入自媒体时代,网络课程和网络在线学习语言已成为研究的热点。文章利用网络平台在线调查和问卷调查的方法分别从资源获取、使用效率、学习影响等方面对高校网络课程的应用现状进行了调查分析。研究结果表明,大部分学生对网络课程学习持肯定态度,都有在线学习的经历,但现阶段大学生对网络课程资源的有效利用仍然处于较低层次。另外,以M大学英语专业高级英语课程作为个例,研究了网络课程对大学生学习效果的影响。结果表明参加网络课程学习的学生的平均成绩略高于只参加课堂学习的同学,但是两者之间并不具有统计学意义上的显著差异。最后,文章讨论了评价大学生网络课程学习行为和学习效果的方法,并提出了提高大学生自主学习能力的一些建议。     

网络英语教学中自主学习能力的培养

学习者积极推进自主学习既是网络英语教学的内在要求，又是网络英语教学取得成效的基本前提，因此培养学习者自主学习能力也就成为网络英语教学中的一个重要课题。简要介绍了当前网络英语教学的模式和特点，并结合自主学习理论指出网络英语教学对学习者的自主学习能力提出了较高的要求；从网络学习的外部环境和学习者内部因素分析了网络英语教学中影响自主学习能力的因素，并以此为基础探讨了网络英语教学中自主学习能力的培养。     

网络课程中知识点的表示与关联技术研究

知识点是网络课程中信息传递的基本单元，研究知识点的表示与关联对提高网络课程的学习导航具有重要的作用，给出了知识点、知识点属性的定义，针对网络课程内容与学习对象的特点，建立了描述原子知识点和知识单元的模型，分析了知识点之间的关联，提出了知识点的超文本组织结构和基于知识点的超文本教学控制的设计方法，通过对网络课程知识的描述、分解与关联，实现了网络课程中基于知识点的学习引导与知识的动态优化重组。     

非线性神经网络自适应控制及其在导弹中的应用

研究了用神经网络控制未知动态特性的非线性系统。基于神经网络学习系统的反向动态特性，调整控制网络的参数，使控制系统具有自适应的特性。网络学习采用误差反向传播算法，仅需要对象的输入输出值。对含有非线性环节的系统，该方法取得较好的效果。     

神经网络模型的研究

模型研究是神经网络研究的主要内容之一。讨论了其中有代表性的Ｈｏｐｆｉｅｌｄ网络、多层感知器、Ｂｏｌｔｚｍａｎｎ机和Ｋｏｈｏｎｅｎ自组织网络，分别给出了这些网络模型的结构和学习算法，并分析了它们的特点及应用。     

前馈神经网络开发工具的研究

本文应用面向对象编程的Ｃ语言，建立了一个功能全面的前馈神经网络开发工具（ＢＰＮｅｔｗｏｒｋＴｏｏｌ，ＢＰＮＴ）。该工具具有构造各种结构的前向网络，修改学习参数，编辑训练样本，进行网络训练，检验网络性能以及存取网络数据等功能，为前馈神经网络的研究和应用提供了一个有力手段。     

一种基于DCT边缘模式分类的神经网络图象编码方法

对神经网络应用于图象数据的压缩编码进行了研究和分析，提出了一种基于ＤＣＴ边缘模式分类的神经网络图象编码方法，分析了网络中隐蔽层节点数与网络的记忆能力之间的关系，在网络的学习训练过程中，采用了一种多层前向网络的快速学习算法，并对其计算进行了进一步简化。初步实验结果表明，采用该方法较好地保持了图象中的边缘信息。     

使用神经网络的软件工程成本模型

研究和论证了用神经网络（ＮＮ）技术开发软件工程成本西式模型的可能性，ＮＮ模型具有一些优越的重要特性，我们论证了ＮＮ模型的高效率在于，学习时间，动力模型以及比传统软件工程技术要求较少的假定。此外，ＳＯＮＮ算法给出了网络模型的代数描述，该网络模型能帮助研究去确定研究过程中的重要因素。     

新型BP网络用于非线性化学体系的研究

提出了一种杂化ＢＰ网络模型及新型变步长算法，使常规ＢＰ算法的收敛平稳性及收敛速度获得了改善，对两类非线性化学体系的实例研究表明该网络较多元线性回归及常规ＢＰ网络具有更好的学习与预测效果。     

新型BP网络用于非线性化学体系的研究

提出了一种杂化ＢＰ网络模型及新型变步长算法，使常规ＢＰ算法的收敛平稳性及收敛速度获得了改善，对两类非线性化学体系的实例研究表明该网络较多元线性回归及常规ＢＰ网络具有更好的学习与预测效果。     

水轮发电机组神经网络建模研究

针对水轮发电机组存在的非线性，研究用神经网络建立其模型，分析网络初始权值的选取以及遗忘因子对网络权值学习收敛性的影响，并建立了一个真实水轮发电机组的神经网络模型。     

小波变换与小波神经元的选择

研究了单隐层前馈型小波神经网络模拟高度复杂的非线性映射。针对如何减小网络结构，提出了用小波元能量密度作为衡量其是滞是有效神经元的标准，并对网络构造，学习中的问题提出了观点。     

大学英语网络自主学习的信息化教学评价模式

为了对学生大学英语网络自主学习进行有效的监督和评价,在分析大学英语网络自主学习的评价现状的基础上,研究了大学英语网络自主学习的信息化教学评价模式的构成,建立了较为完善的评价模式,并通过实证研究验证了其可操作性,保证了大学英语网络自主学习的成效。     

贝叶斯网络评分准则对MMHC算法学习效果的影响

贝叶斯网络是研究不确定环境下知识表示和因果推理的有效工具之一。MMHC算法是一种较新的贝叶斯网络结构学习算法。在MMHC算法的基础上，对几种广泛使用的贝叶斯网络评分准则如MIT、K2Score、MDL、BDeu评分准则等进行了研究，实验结果表明K2评分准则在MMHC学习算法上具有最好的学习效果，MIT评分和BDeu评分次之，MDL评分效果最差。     

用BP网络诊断汽轮发电机组振动故障

针对ＢＰ网络的不足，提出了自适应学习率的ＢＰ网络算法，该算法从根本上解决了ＢＰ网络中学习率的取值和收敛速度慢的问题，并有效地解决了ＢＰ网络易收剑到局部最小点的问题，并将这种改进的算法应用于汽轮发电机组的故障诊断中，结果表明该方法可行。