相对论Lindhard函数和粒子—空穴激发

用两种方法计算了核物质中π介子传播了的极化插入。通过计算π介子的色散关系，发现在低动量转移区相对论与非相对论的差别很小；πＮＮ的膺标量与膺矢是一矢量耦合之间的差别即使对大动量转移区也很小；在所有情况下，没有π凝聚现象出现。     

α—NORMAL函数的特征

对单位圆盘上的亚纯函数ｆ用不同的面积积分条件给出了函数ｆ是α－ｎｏｒｍａｌ函数的一系列特征，这些特征与一般的ｎｏｒｍａｌ函数相比较有明显的不同。     

相对论Lindhard函数和粒子－空穴激发

用两种方法计算子核物质中π介子传播了的极化插入．通过计算π介子的色散关系，发现在低动量转移区相对论与非相对论的差别很小；πＮＮ的膺标量与膺矢量耦合之间的差别即使对大动量转移区也很小；在所有情况下，没有π凝聚现象出现．     

用HFTT程序计算核反应激发函数

本文描述了HFTT程序中所用的包括平衡前发射的统计模型和计算方法,该程序主要用于计算轻粒子诱发的中重核核反应激发函数,其主要特点是输入参数较少,使用很方便。通过对一系列核的计算表明,该程序可以较好地预言中重核核反应激发函数。     

多项式基函数神经网络模型

从函数逼近理论出发，用一组正交基函数作为三层前向神经网络各隐含单元的输出特性，以其加权和作为网络的非线性输出，构成一种单输入单输出正交基函数神经网络模型。建立了多输入的多项式基函数神经网络，并给出了非线性静态特性拟合，ＸＯＲ特性和动态特性拟合计算机仿真结果。     

正弦函数混沌神经网络研究

通过复合正弦函数和Sigmoid函数构成激励函数,构造了一种新的暂态混沌神经网络.对混沌神经元模型的倒分岔和Lyapunov指数谱图进行了分析.基于这个神经元模型,建立了混沌神经网络.对各参数进行了网络寻优能力的比较和分析.通过对非线性连续函数的寻优问题的解决,验证了该网络的有用性和有效性.     

非线性函数逼近的神经网络方法

针对工程实际中一类典型的非线性函数逼近问题，本阐述了单层函数型网络及双层网络在应用时各自的特点，并提出了对网络输入节点进行优化选择，可提高网络的逼近精度，简化网络结构。中给出具选择方法，计算机模拟结果验证了该方法的有效性。     

基于神经网络的正态分布函数近似计算方法

正态分布是工程可靠性设计计算与分析中应用最广泛的一种概率分布、但它的分布函数却写不出显式，函数值必须查表获得，给工程自动设计和仿真带来许多不便，本文提出应用BP神经网络映射标准正态分布函数的近似算法，以便于工程使用。     

神经网络活化函数的研究及其应用

通过构造一类新的高效分段活化函数,很好地解决了ＢＰ算法学习收敛速度慢的问题,而且提出了一种自适应调整网络参数的新算法,从而大大提高了算法的学习效率和综合性能．文中详细研究了基于改进的ＢＰ算法神经网络的实验仿真系统的建模过程,并在精细化工实验方案的分析和优选中获得了令人满意的效果．     

Linearization learning method of BP neural networks

Feedforward multi-layer neural networks have very strong mapping capability that is based on the non-linearity of the activation function, however, the non-linearity of the activation function can cause the multiple local minima on the learning error-surfaces, which affect the learning rate and solving optimal weights. This paper proposes a learning method linearizing non-linearity of the activation function and discusses its merits and demerits theoretically. Supported by Wuhan Shenguang Project, the National Natural Science Foundation of China and the 863 High Techology Project Zhou Shaoqian: born in Mar. 1962,Ph. D graduate student     

非线性系统定阶的神经网络方法

前馈型神经网应用于非线性系统辨识的一个问题是确定系统阶次。采用前馈神经网进行非线性系统定阶与神经网的推广性问题密切相关。ＯＬＳ算法是构筑径向基神经网的一种学习算法，但是采用ＯＬＳ算法构筑神经网存在推广性问题。ＲＯＬＳ算法将ＯＬＳ算法与正则化（ｒｅｇｕｌａｒｉｚａｔｉｏｎ）方法相结合，以提高算法的推广能力。本文将基于径向基网的ＲＯＬＳ算法应用于非线性系统定阶。本文对提出的方法进行了仿真研究，结果验证了方法的有效性。     

一维Hopfield神经网络模型的多稳态分析

该文讨论一维Hopfield神经网络模型的多稳态问题.当模型所含S型激活函数没有有界性限制时,该文首先讨论了模型平衡点的存在性,并进一步给出了模型取得一个, 二个, 或三个平衡点的参数条件以及每个平衡点的稳定性.然后该文获得了模型在参数所有取值情况下的平衡点个数及其稳定性的结论.最后, 通过两个实例及其数值模拟说明了结论的有效性.     

基于多层激励量子神经网络的鲁棒音频水印算法

设计了一种基于多层激励函数量子神经网络的音频水印算法。将水印信号嵌入载体语音的小波低频系数中,再训练量子神经网络建立水印嵌入前后低频小波系数间的联系以便在接收端恢复水印。同时,区别于传统的归一化方法,将小波低频系数规范到同一数量级,避免了恢复水印时小波低频系数的差错传播,提高了算法的鲁棒性。实验结果表明,设计的水印算法对加噪、滤波、重采样和再量化等攻击具有较强的鲁棒性,提取正确率相比BP网络水印算法平均提高1.8%。     

前馈网络构造性设计中基于GP实现神经元激活函数类型优化

讨论了在前馈网络构造性设计中如何基于遗传编程(GP)实现神经元激活函数类型自动优化的问题.首先,提出了典型前馈网络的一种构造性设计方法框架,将整个网络的设计分解为单个神经元的逐个设计;然后,在此框架下提出了基于GP的单个神经元的设计方法,该方法可实现对激活函数类型的优化.仿真实验显示,本文的前馈网络构造性设计方案是可行的,与其他几种不优化激活函数类型的网络设计方法相比,本方法更有效,能用较小的网络规模获得更满意的泛化特性.     

一类梯形激活函数的细胞神经网络的静态解及Smale马蹄

研究了一类以梯形激活函数为输出函数的细胞神经网络．通过将a-z平面分解成25个不交的区域,分析了这类细胞神经网络的静态解．其中,a和z（即反馈系数和阈值）被视为参数．当给定参数时,每个区间内该类细胞神经网络的静态解的范围被确定．针对一类特殊的梯形激活函数的细胞神经网络,研究了其静态解诱导的映射产生的Smale马蹄的充分条件,说明了该映射的复杂性．     

时滞细胞神经网络的指数稳定性

研究了时滞细胞神经网络(DCNNs)平衡点的全局渐近稳定性,去掉了有关文献中关于激活函数的有界性、单调性和可微性的条件,运用拓扑度理论和M-矩阵理论给出了更弱的判定平衡点的存在唯一性及全局指数稳定性的条件.     

关于细胞神经网络稳定的一个充分条件

研究了一类细胞神经网络的稳定性问题.通过构造适当的Liapunov泛函采用一些变换算法并结合不等式分析技巧,进一步探讨了细胞神经网络的稳定性条件.证明了细胞神经网络平衡点的存在性,给出了细胞神经网络的平衡是全局一致渐近稳定的充分条件.这些条件可使细胞神经网络的设计更加容易,因此具有比较重要的理论意义和应用价值.