一类非线性系统LMF优化迭代神经网络控制器

提出一类非线性系统ＬＭＦ优化迭代神经网络控制器的设计方法。该方法在正向神经网络辨识模型的基础上，应用ＬＭＦ优化迭代方法进行控制器设计，理论证明，只要神经网络辨识模型的精度足够高，就会获得很好的控制精度。为补偿辨识和迭代学习误差，给出了通过引入反馈补偿控制器提高控制精度的方法，仿真结果证明了该方法的有效性。     

基于神经网络的降雨径流预报

本文将人工神经网络应用于二滩水电站以上支流鱼河的降雨径流预报，通过建模、计算、比较和分析可知，其非线性映射能力、自学习能力和灵活性，均能较好地反映降雨径流之间的非线性的、复杂的转换关系，结合流域水文特性并合理处理建模数据，值得进一步深入研究。     

板翅式换热器分配特性的神经网络计算及实验验证

研究了板翅式换热器导流片内单相流体的分配特性。根据实验数据，采用神经网络系统理论ＢＰ算法，实现导流片内部流量的计算，物理概念清晰，为此类问题的求解找到了一条新的途径。     

计算机控制技术的发展动向

本文从单片微机、系统和控制理论的角度，论述计算机控制技术近期发展的动向，探讨一类在各种复杂不确定环境中运用模糊神经网络控制系统的发展前景。     

神经网络应用于有限角CT图像重建

本文采用连续型Hopfield神经网络(HNN)模型应用于有限角CT图像重建，该重建算法将两种优化准则转化为模型的能量系数求取图像重建的最优解，通过数值模拟，考察了该重建算法和抗噪性能，均得到了良好的结果。     

基于遗传神经网络的电站锅炉飞灰含碳量预测

针对锅炉飞灰含碳置影响因素复杂．实时测量难度大．精度低，提出了一种基于遗传神经网络的预测方法，并用于某电厂，结果表明，该方法是有效的。     

基于结构的拟神经网络建模与优化方法研究

提出一种基于系统结构的拟神经网络建模与优化原理及拓扑结构.与传统的人工神经网络建模方法不同,该方法在建立系统模型时充分利用所研究对象的已有知识,使所建网络模型的权值具有明确的物理意义.通过对其网络权值的调整,同时实现了非线性系统的结构参数优化.以直动式溢流阀为例,验证了该方法的可行性和有效性,为非线性系统建模和优化提供了一个新的方法.     

多层神经网络学习算法的研究

本文对多层神经网络的反向传播算法作了简要的分析和讨论,据此提出了一种新的学习算法用以消除多层网络的“迟钝状态”。实验结果表明,这种新算法能够加速学习收敛速度并避免陷入局部极小。