系统参数重要性评价方法

系统参数的重要性评价十分重要本文首先讨论了通过计算机特征参数的离差来分析系统参数重要性的Ｋ－Ｗ检验方法。研究了利用信息论中不确定性概念来计算熵与分类的关系的方法，以及通过计算系统参数的之间的依赖性和不可分辨性与识别系统的关系来衡量系统参数重要性的粗集理论分析方法。     

STUDIES OF THE DYNAMIC BEHAVIORS OF A CLASS OF LEARNING ASSOCIATIVE NEURAL NETWORKS

This paper investigates exponential stability and trajectory bounds of motions of equilibria of a class of associative neural networks under structural variations as learning a new pattern. Some conditions for the possible maximum estimate of the domain of structural exponential stability are determined. The filtering ability of the associative neural networks contaminated by input noises is analyzed. Employing the obtained results as valuable guidelines, a systematic synthesis procedure for constructing a dynamical associative neural network that stores a given set of vectors as the stable equilibrium points as well as learns new patterns can be developed. Some new concepts defined here are expected to be the instruction for further studies of learning associative neural networks.     

基于粗集理论的开关电路分析和综合方法

提出一种基于粗集理论的开关分析和综合方法，首先阐明粗集开关电路的功能表的关系，然后介绍开关电路的简化分析，最后提出开关电路的综合方法。     

一种改进的基于边缘特征提取BP网络车牌定位的新方法

以改进智能交通控制中的车牌定位性能为目的,提出一种基于改进的边缘特性提取和改进BP神经网络的车牌定位新方法.该方法通过改进的图像的边缘特征提取方法,将边缘特征送入改进的BP神经网络进行训练学习,实现车牌的粗定位;再利用车牌本身的几何特征实现车牌的准确定位.实验结果表明该方法定位精度高,并提高了信息的实时处理性.     

不确定系统的信息熵与知识化简

根据一个不确定系统的条件属性对决策结果产生的依赖关系,建立了基于信息熵和知识重要性对不确定系统的知识冗余分析的联系,得到了基于信息熵和基于Rough集理论对不确定系统的知识冗余分析概念的统一和方法的一致性重要结论,从信息熵的角度以统计概率的方法提出了不确定系统的知识冗余分析新的知识简化方法,应用实例验证了本文理论和方法的可行性和有效性.     

基于MATLAB GUI的研究生学业评估系统设计

为了设计一个研究生学业评估系统,提出了一种基于MATLAB GUI的系统设计方法。Matlab不仅具有的强大科学计算功能,而且具有满足一般要求的数据处理以及界面设计开发功能。利用Matlab这些功能,实现一个具有科学计算功能、简单易用、具有开放式可扩展环境的研究生学业评估系统设计。     

Hopfield连续神经网络新的综合和学习方法

本文对设计一个全局稳定的Ｈｏｐｆｉｅｌｄ连续时间联想神经网络提出一种新的综合方法，用本文提出的方法综合的网络不仅能保证每一个要求的模式全部记忆，而且存贮在网络的稳定平衡点上的每一个记忆具有很好的吸收域特性，从最小误差参数估计的出求解网络联接矩阵的学习方法具有快速收敛特性，本文提出了利用反馈网络电路结构实用网络综合的一个零自联接联想网络的综合实例证实了本文提出的方法的有效性和实用性。     

一种粗模糊神经分类器

介绍一种新的粗集编码模糊神经分类器。基于粗集理论的概念，讨论了知识编码、属性简化、分类系统简化的方法；并利用模糊隶属度函数将输入精确信息映射为模糊变量信息，解决分类中病态定义的数据问题和提高系统非线性映射的分类能力；提出了结合系统参数的重要性因子的网络的模糊推理方法和粗模糊神经分类器的网络结构以及有导师的最小平方误差学习训练算法。实现的粗集编码模糊神经分类器具有网络结构空间维数低、学习算法简单、网络训练时间短、非线性特性丰富等优点。     

基于遗传算法的神经网络集成在人耳识别中的应用

BP神经网络算法存在收敛速度慢和网络泛化能力差的缺点,影响分类识别率。为了提高网络的分类识别能力和泛化能力,在此介绍一种基于遗传算法的神经网络集成方法,即训练出多个个体BP神经网络,利用遗传算法选择差异度较大的个体BP网络进行神经网络集成,再利用该神经网络集成进行分类识别。实验结果表明,神经网络集成可以提高识别率。     

基于粗集理论的神经网络

在分析了粗集理论方法和人工神经网络方法两者各自的特点与共同之处后,首先探讨粗集学习与神经网络学习的结合方法,然后提出了一种基于粗集预处理的神经网络系统,最后给出一个基于粗集方法作为信息预处理的神经网络文字识别的例子,来基于粗集的神经编制 优越性。