基于神经网络的航行安全性预测模型

指出了预测对航安全性的重要意义，传统的预测方法存在的缺陷，运用神经网络建立时间序列的航行安全性预测模型，克服了传统预测方法必须事先构造函数的不足之处，分析表明，该模型的预测精度较高。     

用RBF网络拟合船舶型线

采用ＲＢＦ神经网络拟合船舶型线，提出了适合船舶型线拟合的ＲＢＦ中心点集的选取方式，与ＢＰ网络相比大大提高了学习速度和精度，用幂函数和圆函数检验本方法拟合曲线的精度，充分证明本方法拟全船舶型线是实用可行的。文中给出了拟合某船舶横剖线的实例。     

神经网络自学习控制研究

提出一个新型仿真器网络结构并推导出学习算法；提出面向输入输出模型结构的自学习控制器训练结构并推导出学习算法，解决约束控制作用 下多目标终态控制问题并实现感应加热温度智能控制。     

基于模糊神经网络的Horn集上的输入归结

关于定理机器证明的归结原理已应用到人工智能的很多领域，同时提出了各种改进方法，其中，输入归结是一种非常好的推理方法，它对于Horn集是完备的，模糊神经网络是模糊逻辑与神经网络的融合，文中利用模糊神经网络的知识表示及学习的特点，结合输入归结的优点，进行Horn集上的输入归结。     

基于神经网络数字化自适应PID控制

介绍了PID调节器的数字化推导过程和采样周期的选择，讨论了一种基于神经网络的自适应PID调节器的设计。     

基于AMFNN的非线性噪声消除器

提出基于加乘性模糊神经网络(AMFNN)的非线性噪声消除器，讨论了AMFNN模型和学习算法及其通用逼近性．该消除器利用AMFNN逼近噪声，然后从测量信号中消去噪声即得到有用信号．该噪声消除器具有神经网络分布式并行信息处理能力、较好的容错性和鲁棒性以及除噪性能．     

一种新的神经网计算机结构

人工神经网络存在着广泛的并行机制，为此，人工神经网络计算机使用多个处理单元以适应行处理的需要。多处理单元之间的信息通信是并行研究的内容之一，作者提出了利用数据驱动思想和双口存储器技术实现人工神经网络计算机一种新结构。     

遗传算法神经网络的学习方法

提出了利用遗传算法的思想实现人工神经网络学习的方法，并具体讨论了在实现中的若干问题。     

人工神经网络寄生极值判别方法

根据人工神经网络自联想存在寄生极小值问题，提出了两种判别方法，这两者判别方案分别是混合人工神经网络方案和硬件判别电路方案，为人工神经网络模糊联想存储器的实际应用找到了较合理的方法。     

基于神经网络振动压实的分析

通过建立振动压实的适当模型，利用神经网络法对沥青混合料的振动压实进行了研究；在实验分析的基础上，验证了该种方法的可行性。