一种实现最佳用户检测的非线性优化神经网络

本文提出并讨论了实现码分多址（CDMA）系统上最佳多用户检测（MUD）的一种神经网络方法。该方法通过将最佳多用户检测视为非线性优化组合问题，利用神经网络能有效求解非线性优化问题的优势，导出了一种非线性优化神经网络来实现最佳多用户检测，理论分析和计算机模拟表明，所提出的神经网络具有可实时应用的动态性能和较传统方法优越得多的误码率性能和抗多址干扰的性能。     

电脑和人工神经网络

电脑和人工神经网络林溪波电脑，本世纪的骄子，自从诞生那天起，就受到了世人的格外宠爱。电脑，从１９４６年第一台诞生至今不到５０年间，经历了第一代到第五代又巨大变化，更重要的是，它已在工业、农业、交通、通信、８融、商业、科研、教育和国防与领域获得了广泛的...     

提高前馈神经网络推广能力的若干实际方法

提高前馈神经网络的推广能力是深受关注的问题，本文根据我们最近提出了一个网络有效推广的准则，从提高网络特征提取能力，分类能力和修改神经元激活函数等几方面给出了若干实际方案，我们在任意手写数字识别问题上的实验结果证实了这些方法的有效性。     

实用神经网络的生物模拟器 待续

本文介绍一种能模拟单个神经元、触突以及系统的模拟器Ｓｉｍｕｌａｔｏｒ。用它模拟在生物界所熟知的一种无脊椎软体类似海参的食肉类动作Ｐｌｅｕｒｏ－ｂｒａｎｃｈｅａ。它的各种形为如吞食食物，遇敌退缩等用Ｆｏｒｔｒａｎ７７版本编程并在Ｓｕｎ３／５０工作站上进行模拟获得了满意结果。     

递阶结构智能控制系统的控制器设计

本文提出一种基于人工神经元网络控制的递阶智能控制结构，整个控制系统由上层的智能控制器和下层的常规控制系统组成，上层神经网络控制器通过不断调整常规控制系统的参考输入来改善整修控制系统的性能，在这种控制系统中，由于常规控制器的参数与结构不受上层控制器的影响，帮可实现一些高级控制算法，文中对递阶智能控制系统的基本思想，设计方法，系统的稳定性等进行了讨论与分析，同时给出了仿真结果与结论。     

基于神经元网络的模型算法控制

本文提出了一种利用人工神经元网络来实现的模型算法控制，克服了ＭＡＣ不能用于非最小相位系统和单步ＭＡＣ也不能用于纯延迟过程的缺点，通过ＢＰ网络的自学习产生预测偏差，并由智能控制单元进行控制，仿真表明，该控制方法具有良好的控制，特性和鲁棒性，并且适用于非线性系统。     

BP算法的改进及用模拟电路实现的神经网络分类器

基于用模拟电路实现神经网络分类器的目的，对多层静态前馈神经网络的ＢＰ算法做了改进，采用线性限幅函数代替Ｓｉｇｍｏｉｄ函数作为神经元的激活函数，给出了改进的ＢＰ算法。对该算法性能的实验研究表明：这种改进算法不但方便了用线性模拟集成运算放大电路实现神经网络，而且具有学习速度快，映射能力强等优点。根据本文算法设计的神经网络分类器，无论是计算机仿真，还是模拟电路实现，都得到了比较高的识别率。