用于AR参数估计的一种神经网络新方法

提出一种用于估计ＡＲ参数的神经网络新方法和相应的递归预测误差算法，其优点是网络结构简单，估计结果准确。使用作者所提出的方法在估计ＡＲ功率谱时具有频率偏移小，无谱线分裂等优点。仿真模拟结果表明，文中所提出的神经网络方法和相应的算法是有效的。     

DWY—3A远动系统可靠性分析

本文在介绍ＤＷＹ－３Ａ远动系统ＲＴＵ，通道，主控站结构的基础上，总结分析了系统中采用的提高可靠性方法；利用状态空间法推算子主控站平均无故障时间与设备纵率的关系，提出了主控站的一种改进结构并与原有结构进行比较，最后得到了有益的结论。     

一种新的CMAC自学习控制器

本文通过分析ＣＭＡＣ神经网络的学习机制和连续搅拌反应釜的结构,提出了一种自动选择学习率的ＣＭＡＣ自学习控制方法。给出了自学习控制器的结构和算法。并以连续搅拌反应釜模型为对象进行了仿真研究。这种网络每次学习少量参数,算法简单。仿真结果表明所提出的控制器优于传统的ＰＩＤ控制器。     

多目标模糊优化问题的神经网络解法

基于函数联接神经网络，提出了一种解决工程结构多目标模糊优化问题的新算法。该算法以设计人员对目标函数值的满意程度作学习样本，采用神经网络取代传统的隶属度函数，从而较好地解决了隶属函数的描述问题。在解决多目标模糊优化问题中，该算法较传统算法具有更大的灵活性。     

逆转录—聚合酶链反应测定血透病人的HCV—RNA

以丙型肝炎病毒的５‘非结构区设计了两对引物并建立了巢式ＲＴ／ＰＣＲ直接检测血表中ＨＣＶ ＲＮＡ方法。进一步检测了２５份血透病人的血清标本和２０份透析液标本，结果提示ＲＴ／ＰＣＲ是直接检测ＨＣＶ ＲＮＡ的可行方法，能为判断现型肝炎感染提供有利依据。     

基于异种机互联网络的并行神经计算环境的实现和性能分析

给出了在多台微机与ＳＵＮ工作站的互连网上实现的一个并行计算环境：ＨＣＰＣ系统，并通过对其性能的分析和在ＡＲＴ１神经网络上的模拟实现，验证了ＨＣＰＣ系统的功能。     

一种训练神经网络的新型遗传算法

针对神经网络中具有大量的相似解，提出了一种规范化方法，大大地减少了神经网络中解的数目。然后，给出了多种不同的算子，通过对简单网络问题的实验，比较了它们的优劣，得出了一个新型的遗传算法ＮＧＡ。实验表明，ＮＧＡ比用传统的ＧＡ训练神经网络效果要优。     

基于改进的动态因子多层前馈网络学习算法

分析了学习率对BP神经网络中存在的典型问题的影响，提出了一种通过调整学习率改进BP神经网络性能的动态适应算法。仿真结果表明，此BP算法在学习速度方面有较大提高。     

一种基于神经网络的宽带相干信号波达方向估计方法

相干信号子空间处理方法是一种通过构造聚焦矩阵来估计宽带相干源波达方向的有效方法，本文基于逆传播学习算法，给出了一种用神经网络来实现聚焦过程的新颖方法，利用这种方法进行ＤＯＡ估计，可以无需预先知道源信号初始信息，不经预处理过程即可获得对ＤＯＡ的高性能估计。     

一种神经网络自适应PID控制器

采用神经网络与模糊逻辑相结合的方式，构造了一种自适应ＰＩＤ控制器。该控制器用具有改进学习算法的神经网络作ＰＩＤ参数调节器，用模糊神经网络对被控对象进行模型辨识，综合了神经网络，模糊控制和ＰＩＤ控制的优点。结构简单，易于实现，且适应环境能力强。     

基于实例改进的BP算法的联合应用

BP(Back Propagation)神经网络模型是当今的科学技术领域中应用最为广泛的一种，其突出优点是具有很强的非线性映射能力以及根据具体问题灵活处理的柔性的网络结构。但是目前BP网络还存在一些缺陷，如训练时间长、易陷入局部极小等。分析BP神经网络的几种优化算法，实例证明这些优化算法的联合应用可以提高网络的性能。     

DWY－3A远动系统可靠性分析

本文在介绍ＤＷＹ—３Ａ远动系统ＲＴＵ、通道、主控站结构的基础上,总结分析了系统中采用的提高可靠性方法;利用状态空间法推算了主控站平均无故障时间与设备维修率的关系,提出了主控站的一种改进结构并与原有结构进行比较,最后得到了有益的结论。      

基于多级神经网络的桥梁结构模态参数识别方法

桥梁结构模态参数识别方法在识别过程中难以获得完整阶次，构造的基准模型不完整，导致识别结果出现误差，因此，设计一种基于多级神经网络算法的桥梁结构模态参数识别方法.使用多级神经网络对识别算法进行优化，建立交配池，利用交叉和变异算子对交配池中的参量个体进行识别，建立新的群体，利用信号匹配识别结构模态参数，选择模态确信准则(MAC)以及相位共线性指标(MPC)作为模态区分的辨别指标并计算，最后优化整体模态参数识别流程.方法性能测试结果表明，设计的基于多级神经网络的桥梁结构模态参数识别方法在不同采集方式下得到的参数误差更小，可靠性更高.     

BP神经网络在桥梁焊缝收缩预测的应用研究

神经网络是一种模拟人脑结构和功能的信息处理系统，BP网络算法是目前研究最为成熟的理论．被广泛应用于非线性建模，参数识别等领域。本文运用BP神经网络，对桥梁悬拼阶段施工控制中焊接收缩变形进行网络的建立，并利用现场实测数据进行网络的训练和仿真。计算结果显示，在目前对悬拼阶段箱梁的焊接收缩变形机理的研究并不十分透彻的条件下，用神经网络进行焊缝收缩的识别是一种可行的方法.     

神经网络在数控机床智能控制中的应用

介绍了人工神经网络的万能逼近特性，提出了一种结构新颖的神经网络控制器及其算法，并在数控铣床上进行了性能验证。结果表明这种控制器性能优越，自适应能力强。     

基于萤火虫优化的BP神经网络算法研究

为了改进神经网络结构和参数的设置方法,在萤火虫算法和BP神经网络的基础上,提出了一种萤火虫算法优化BP神经网络的算法.该算法利用萤火虫算法得到更优的网络初始权值和阈值,弥补BP神经网络连接权值和阈值选择上的缺陷.将该算法应用到Duffing系统产生的混沌时间序列进行算法的有效性验证,并与BP神经网络进行比较,仿真结果表明该算法具有更高的预测准确性,从而证明该算法在该预测领城的可行性和有效性.     

BP网络的泛化能力改进方法及应用

在人工神经网络的使用中，BP神经网络是使用比较多的网络结构，简要介绍了BP网络的基本结构和BP算法，分析BP网络存在的缺陷，介绍了两种改进BP网络泛化能力的方法，并通过例子分析了两种方法的适用性。     

关于广义同余神经网络结构与算法的研究

讨论了一种新的神经网络－广义同余神经网络（ＧＣＮＮ）网络中的所有神经细胞以同余的形式被激活,并阐述了它的结构,学习规则的一种算法,模拟结果表明,这种网络在取样点上具有满意的通用特性,由于该神经网络易于操作和实行,有必要就相关理论及其应用作进一步的研究。     

基于IPSO-BP神经网络的连续刚构桥有限元模型修正

针对大跨度连续刚构桥有限元模型修正问题，提出一种基于改进粒子群算法优化BP神经网络的有限元模型修正方法。首先建立有限元模型修正的数学优化模型，其次通过改进标准粒子群算法对BP神经网络超参数进行优化，最后基于优化BP神经网络代理模型对有限元结构参数进行寻优求解。研究结果表明：基于优化BP神经网络的代理模型相较于未经优化的具有更高的拟合精度；修正后的有限元模型挠度理论计算值与实测值的平均相对误差仅为1.86%。     

应用自组织神经网络的盾构选型

介绍了自组织神经网络的原理算法及其在盾构选型中的应用。侧重讨论了自 竞争特性，自学习能力与ＩＳＯＤＡＴＡ聚类分析法，试验表明，只要样本空间映合理，这种自组织无监督的神经网络具有很好的自学习功能，在工程中具有广泛的应用前景。