神经网络分类器的快速构造算法

使用ＢＰ算法训练多层网络的速度很慢而且事先难于确定隐节点和隐层的适当数目。本文提出一个有效的算法，先构造决策树，然后将构造的决策树转换为神经网。文中使用一个全局准则函数控制决策树的增长，它较好地匹配了树的复杂性和训练样本量及错分率界。实验结果，本文的算法比用ＢＰ算法训练多层网络要快，而其分类精度不低于用ＢＰ算法训练的多层神经网。     

基于神经PID网络的串级调节系统研究

本文提出了一种神经PID网络控制器，并利用它构成串级调节系统。在给出网络结构和计算公式的基础上，进行了计算机仿真。仿真结果表明，神经PID网络控制器构成的串级调节系统具有良好的动态和静态性能及很强的抗扰能力。     

人工神经网络——模糊控制研究近况

本文综述了人工神经网络－－模糊控制在近期的一些研究成果。     

基于神经网络的VQ图象编码

文章给出将神经网络与矢量量化相结合的两种编码方法，介绍了其原理和实现的算法。经计算机模拟表明，在比特率低于０．３ｂｐｐ时仍可得到高质量的编码图象。     

基于神经网络的故障诊断系统研究

研究了基于神经网络的故障诊断专家系统的基本原理和结构,论述了基于神经网络的故障诊断系统在知识表示、知识获取及推理机制方面的基本方法和特点。     

神经网络用于三元分子混合物密度与粘度的预测

以二元系实验为基础，利用反向转播算法训练神经网络，构造混合物组成，温度等与物性关系的模型，用于对４个三元混合物体系（１）邻二甲苯－间二甲苯－对二甲苯；（２）四氯化碳－环己烷－２－丙醇；（３）甲醇－丙酮－水；（４）水－甲醇－乙二醇的密度和５个三元混合物体系（１）信甲苯－间二甲苯－对二甲苯；（２）四氯化碳－环己烷－２－丙醇；（３）氯仿－２－丙醇－２－丁醇；（４）甲醇－丙酮－水；（５）乙醇－甲醇－水的粘     

用Voronoi多胞体确定故障诊断分类器的训练集

提出了利用Ｖｏｒｏｎｏｉ多胞体来选择神经网络故障诊断分类器训练集的新方法。该方法由３部分组成，即首项为正的归一化处理（首正归一）、边界样本选择及置信判决。利用方法不仅可以大大减少训练样本数，提高训练速度，而且通过调节故障类别分割面位置和形状，为提高故障诊断准确率提供了可能的途径。