神经网络的函数型规格说明

定义人工神经网络为工具有二重属性一阶对象。当用于活动模型时作为函数，当着重内部状态时视为结构。这种定义除了其良好的结构之外，还具有重要的优点，便于神经网络的合成，易于集成性推进，本项研究的一个主要目的开发与传统符合推理相适应的定义方法，以及应用神经网络的环境。     

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     

一种遗传-梯度混合算法

本文提出一种函数全局优化的遗传-梯度混合算法。该算法由选择、交叉和诱导变异算子组成。通过对自适应滤波和前向神经网络权值训练两个典型问题的数字仿真，表明该算法是一种快速有效的全局优化算法。     

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。     

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。     

神经网络技术在非线性系统控制中的应用

神经网络控制自问世以来得到广泛的应用。本文介绍了神经网络控制的概念及特点，概述了神经网络控制的主要控制策略并且讨论了它在实际应用中遇到的问题。同时我们也根据自己在实际研究中的经验提出一些解决这些问题的方法。最后，我们对神经网络控制的应用前景和研究方向作一个展望。