异联想IPA模型,高阶异联想IPA模型以及光学实现

本文提出了异联想interpattern association模型,高阶异联想IPA模型的构成方法,并讨论了它们光学实现的结构,特别是高阶神经网络光学实现的一种新的紧凑结构。     

自组织映射神经网络模型用于汽轮发电机组故障诊断

在人工神经网络自组织映射模型的基础上，利用其与汽轮发电机组常见故障和症兆之间的特征映射关系，发展了一种对汽轮发电机组存在故障进行聚类识别、诊断的新方法。在工程应用中该方法与ＢＰ网络方法相比具有无指导、识别速度快等优点。     

全双极WTA模型的改进及其实现

提出了一种相似度的新定义，使双极ＷＡＴ模型的实现更加简洁明了。增加一个阈值使系统能判别非存储模式或因其信息量过低而无法鉴定的输入模式，阈值的大小与要求的容错能力有关。双极相似度及阈值通过光学方法实现。阈值的光学实现使系统仍具有照明不变性。通过电路实现取及ＷＴＡ网络的迭代运算。     

IPA模型对Hopfield模型神经网络的改进

考虑Ｈｏｐｆｉｅｌｄ模型中假态之间的布尔逻辑关系，提出利用ＩＰＡ模型对神经网络中的假态进行抑制，并和原网络的性能进行了比较，结果表明：改进后的网络性能比Ｈｏｐｆｉｅｌｄ模型和ＩＰＡ模型均有较大提高。     

卷积码译码的神经网络方法

本文讨论了用前向神经网络(RBFN)实现卷积码译码的方法。该方法通过在接收序列中加窗克服了卷积的码长问题。这种译码器构造简单,不需要学习和训练。其译码性能介于硬判决和软判决Vitebi译码性能之间。     

时间序列神经网络预测方法

本文从信息论的角度出发，讨论了利用神经网络理论构造时间序列预测模型的可能性和关键问题，并在此基础上提出３种时间序列神经网络预测方法，它们是：神经网络非线性时间序列模型，神经网络多维时间序列模型和神经网络组合预测模型。将上述模型应用于实例的结果表明，在非线性信息的处理能力和预测精度方面都有很大提高。进一步，对今后智能信息预测方法的发展方向进行了探讨，提出了智能信息预测系统的结构模型。     

Hopfield神经网络和平均场退火及其在地震反褶积和多次波衰减中的应用

本文阐述了一种基于全局优化的算法－平均场退火算法（简称MFA），及其在地震数据处理中的两个基本问题－地震道反褶积与表面有关的多次被衰减中的应用，基于平均场近拟，MFA耕用一套确定性的修正规则代替了模拟退火的随机性，且这些规则不是作用在变量自身上，而是作用在变量的均值上，当温度降低时，MFA规则根据前一温度上各个变量的值修正其变量，通过最小平均值，MFA较常规模拟退火法能更快地收敛到平衡状态，修正规则依赖于价格函的形式，在价格函数类似于Hopfield网络的能量函数时，很容易获得，将一个问题映射成Hopfield网络不是使用MFA的前提条件，但映射能使解析计算更为简单，通过将震源子波和反射系数用二值神经表示，问题就是反褶积问题可映射到一个Hopfield网络，在本文中，当网络的神经元到达平衡状态时，问题最小化MFA网络的价格样的思路来设计算子，此算子可用来衰减由平面波转化的地震记录中与表面有关的多次反射波，消除多次波问题的价格函数是基于被多次压制地震数据的最小能量标准的。     

基于神经网络的河道浅滩演变预测模型

河道浅滩演变是一个复杂的非线性动力学过程, 作者借助神经网络处理非线性问题的优势, 在分析影响河道浅滩演变因素的基础上, 建立了预测河道浅淮演变的BP网络模型, 并对模型中的输入因子和样本的提取进行了探讨. 以闽江竹岐至侯官河段为实例,用“试控法”给出了BP网络模型的建模方案, 用正交设计原理选取相应的训练样本集, 利用该样本集对网络进行学习和训练, 并用训练好的BP网络模型预测浅滩上年内最小水深和年平均淤积厚度. 计算结果表明: 模型预测结果与实际值吻合良好. 这为河道浅滩演变预测研究提供了新方法.     

人工神经网络及其应用

本文首首先介绍了人工神经网络的源泉一体神经网络的主要基本内容，然后简要论述了人工神经网络的主要内容，进程和问题，人工神经网的应用。