铁道车辆油压减振器特性的神经网络识别方法

介绍了利用神经网络方法识别横向减振器和抗蛇行减振器6自由度特性的具体过程,并与线性识别方法进行了对比。     

基于小波神经网络的舰载雷达目标识别方法

介绍了用于雷达目标识别的小波神经网络的结构与算法。该方法基于子波变换进行特征提取和识别，在最小均方能量准则下，用共轭梯度算法求解子波函数线性组合的尺度和延时参数，以及神经网络的权值。结果表明，该方法的实际结果具子波的非线性，可有效解决雷达目标的识别问题。     

一种组合径向基函数网络结构的分类方法

介绍了径向基函数网络（简称ＰＢＦ网络）模型，分析了ＲＢＦ网络的分类机理和分类特点，由于该网络层激活函数的有界性，ＲＢＦ网络用于分类时，其分类判决范围也是有界的。针对一船的多层前馈网络分类器不能识别瓣的模式类型的问题，研究了一种将若干个ＲＢＦ网络组合起来的分类方法，该分类器不仅能够对新类型的模式作出有产的拒识，而且还能通过再学习识别新的模式类型，具有增量学习的能力，最后给出一个分类实例。     

基于神经网络与遗传算法的潜艇舱壁结构优化

建立了某潜艇端部耐压平面舱壁结构优化设计的数学模型,以舱壁上加强桁(筋)结构的剖面尺寸为设计变量,结构强度、稳定性、工艺性要求为约束条件,以加强桁(筋)结构总体积为目标函数,用人工神经网络方法代替结构的有限元分析,结合遗传算法完成了舱壁的结构优化设计。在为网络生成学习样本时,自行设计了正交表,解决了因为设计变量多,无法选取合适正交表而随机取样的问题。数值仿真结果表明,优化设计方案质量较原始初步设计方案减少了18.3%。     

山岭隧道爆破效果神经网络评价模型及爆破参数优化决策方法研究

针对山岭隧道爆破开挖普遍存在的超欠挖过大、渣体块度不适等问题，分析了造成这些问题的主要因素，确定了隧道爆破开挖效果评价指标体系，建立了以爆破块度和超欠挖量为预测目标的隧道爆破效果神经网络评价模型，提出了基于深度学习的隧道爆破渣体块度实例分割算法，形成了山岭隧道爆破参数优化决策方法，进而开展了工程应用与验证。结果表明：（1）基于深度学习的隧道爆破渣体块度实例分割算法检测出的块体大小与真实值误差小于6.9%（置信度为95%），实现了隧道渣体块度样本数据的快速获取；（2）经148组工程实践样本数据训练后的隧道爆破效果神经网络评价模型能够较为准确地预测出爆破渣体块度与超挖量；（3）爆破参数优化后试验断面的平均线超挖量均在10%左右，较原方案降低了50%以上；实测得到的渣体块度与超挖值与模型预测结果一致性良好，偏差小于20%。     

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。     

基于非线性最化的模糊神经网络控制新算法

根据人类专家处理问题的一般思路，提出一种仿人非线性最化函数并把它有效地应用于模糊神经网络控制器中，仿真研究表明，它能有效地克服原有算法的缺陷，具有良好的动，静态，性能。     

人工神经网络在船舶自动舵上的应用

提出一种用于船舶航向保持的人工神经网络控制器，设计了一种“直接控制法”，与目前常见的几种人工神经网络控制方法相比，其特点是结构简单，可直接应用在实时控制中，在实际应用中，只要知道被控过程的定性控制特点，“直接控制法”即可用于干扰环境下的非线性过程控制。“直接控制法”在船舶自动舵上进行了验证，并同传统的ＰＩＤ自动舵进行了比较，结果表明，在随机风和测量噪声的干扰下，人工神经网络自动舵的控制效果明显优于     

基于神经网络的时序预测模型研究

将神经网络作为传统的时序线性模型的非线性推广进行了分析，论证了多层前向神经网络与非线性自回归模型及反馈神经网络与非线性自回归移动平均模型的等价意义，提出了一种可作为非线性时序模型的内反馈神经网络。     

基桩动测专家系统的构建

对基桩动测法尤其是应力波反射法的特点及局限性进行了探讨，同时对专家系统原理作简单介绍，重点论述基桩动测专家系统的构建与应用的可行性，并提出结论和建议。