MIMD机器上流水化BP算法的实现

神经网络训练过程中的高昂计算代价是有待克服的一个主要困难，作者把前馈多层神经网络的相继各层盾做流水线的相继步骤，从而提出了一个在ＭＩＭＤ机器上实现的并行ＢＰ算法来提高误差反传递算法的效率，文章的最后，对ＢＰ算法的并行实现进行了分析，理论分析结果显示，多种神经网络结构都可有效地并行化。     

神经网络用于汽车制动跑偏特性仿真的研究

制动性是汽车的主要性能之一，为了探讨神经网络在汽车制动特性研究中的应用，利用神经网络ＢＰ算法对汽车制动跑偏特性进行了仿真研究，结果表明，神经网络对汽车制动特性的研究有实用价值。     

BP网络在录井气测解释中的应用

基于前馈神经网络模型发现一种全新的油气层识别技术，并提出一种改进的ＢＰ算法，利用该算法，可以所获取的录井气测资料进行精度高，速度快的油层，气层，水层的自动识别。     

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。     

BP神经网络用于传感器故障诊断的仿真研究

介绍了ＢＰ神经网络的一些基本概念和传感器故障诊断的有关问题。对用神经网络进行传感器故障诊断的原理加以分析。在ＭＡＴＬＡＢ语言环境下利用Ｓｉｍｕｌｉｎｋ仿真工具和神经网络工具箱对凝汽式汽轮机调速系统的中的转速传感器进行了传感器故障诊断研究。给出了仿真实现结果,并对结果加以分析,结果显示,利用神经网络进行传感器的故障诊断具有可行性。     

基于B—P神经网络的混凝土软化模型

本文探讨应用神经网络技术模拟材料本构行为的若干问题，并用Ｂ－Ｐ神经网络建立开裂混凝土的软化模型。     

一种直接控制神经元模型及其在列车停车控制中的应用

本文提出了一种直接控制的神经元模型，并用它构成了前馈神经网络，该网络在用ＢＰ学习算法学习时，提出了变学习步长和势态项系统的方法。并且该网络在特殊情况下，其输出可直接受输入神经元控制，把该神经元所构成的前馈网络应用于列车停车控制中。     

基于神经网络的桩基桥墩地震响应辨识系统的研究

在原ＢＰ神经网络基本算法的基础上，按研究桩基桥墩地震响应的特点，改进了网络的激励函数，开发了适用于桩基桥墩地震响应的神经网络辨识，该系统具有较快的收敛速度和较高的预测精度，并用Ｃ语言程序加以实现。     

铣削加工功率约束神经网络自适应控制系统的研究

研究了铣削过程的神经网络自适应控制，介绍了一种基于ＢＰ神经网络进行系统在线辨识和控制器设计中的自适应控制策略，应用该策略对铣削过程切削功率约束适应控制进行了研究和探讨。     

神经网络在公路交通中的应用—汽车转向仿真

结合人工智能的最新方向－人工神经网络，利用ＢＰ网络的联想、记忆功能，建立了具有神经网络的驾驶员－环境闭环控制系统模型；研制了闭环控制系统仿真软件，对几种典型转向情况进行了模拟，并进行了汽车转向试验，结果表明：闭环系统模型合理，仿真结果准确。     

选择隧道施工方法的神经网络专家系统

将专家系统与神经网络优点相结合，建立了隧道施工方法选择的神经网络专家系统。该系统将从领域专家处获取的知识库表达为推理网络形式，并以专家系统的推理规则定义神经元结点，使网络“神经化”。通过用改进的ＢＰ算法训练，从而优化和修正知识（包括可信度因子）。     

基于人工神经网络的非线性系统辨识

讨论了用人工神经网络中ＢＰ网络进行未知非线性系统辨识的方法，分析了系统辨识中ＢＰ网络的结构设计和网络的学习算法，基于以上讨论以ＳＩＳＯ非线性系统为例进行了仿真分析。     

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。     

BP网络中的熵函数准则

从极限角度证明了传统ＢＰ算法收敛速度慢、产生局部极小点的原因之一是该算法采用的均方误差准则。并提出了一种基于熵函数准则的ＢＰ算法，理论分析和仿真结果都表明此熵函数准则优于均方误差函数准则。     

隐节点竞争BP模型

通过分析ＢＰ网络在局部极小状态下的微观特性，给出一种在隐藏层引入竞争机制的网络模型－隐节点竞争ＢＰ模型，试验表明该模型不仅有效地克服了局部极小问题，而且加快了学习快速，另外，还对本文提出的Ｏ竞争和已有的δ竞争进行了比较，并验证了Ｏ竞争的有效性。     

基于神经网络的多变量模糊自整定PID控制器

针对脉冲ＴＩＧ焊动态过程控制提出了一种基于ＢＰ神经网络的多变量模糊自整定ＰＩＤ控制器。该控制器利用神经网络在线学习具有多变量耦合，非线性及不确定性的复杂的焊接动态过程的控制规则，实现ＰＩＤ参数的自动整定。仿真实验结果表明该控制器不仅具有模糊控制的简单，有效的非线性控制作用。还具备了神经网络的学习与适应能力，以及ＰＩＤ控制的普遍适用性。     

神经网络在路面使用性能评估中的应用

应用神经网络BP算法原理,建立评估路面状况指数PCI的模型.通过平整度和路面破损率数据的学习,预测了路面破埙指标PCI,并把神经网络模型和回归模型进行了比较,证明了神经网络模型在路面使用性能评估中有更好的应用前景.     

神经网络的JAVA语言实现

概括介绍神经网络实现技术的现状,从面向对象程序设计的角度出发,详细阐明怎样用ＪＡＶＡ语言实现ＢＰ神经网络及其广阔的应用前景。     

交通出行预测的神经网络模型

针对交通出行集计预测模型的缺陷,结合神经网络在非线性关系映射方面的优势,本文提出了交通出行预测的BP神经网络模型。作者在对BP神经网络的结构和算法进行分析的基础上,研究了交通出行预测BP神经网络模型的影响因素、模型结构和模型数据,并采用实际调查数据对模型进行了检验和应用。研究结果表明模型预测精度较高,既有很强的理论优势和解释性,又有良好的操作性．最后,文章讨论了下一步的研究方向．     

神经网络在路面使用性能评估中的应用

应用神经网络BP算法原理，建立评估路面状况指数PCI的模型。通过平整度和路面破损率数据的学习，预测了路面破埙指标PCI，并把神经网络模型和回归模型进行了比较，证明了神经网络模型在路面使用性能评估中有更好的应用前景。