神经网络的逻辑分析

本文对比约束满足网络,描述了连续状态神经网络的逻辑理论的基本框架,给出了矛盾的定量分析方法。分析表明,神经元逻辑状态变化的根本原因是网络中存在优势矛盾;神经网络求解的动态过程对应于消除优势矛盾的过程。     

一种粗逻辑神经网络研究

该文基于粗逻辑理论,研究了粗逻辑意义下的粗集神经网络的设计,分析和比较了粗逻辑神经网络和模糊逻辑神经网络的性质。在重庆地区Landsat TM 遥感图像的地物分类实验中,验证了粗逻辑神经网络的有效性,同时可以发现其在网络结构和收敛性方面的优势。     

论细胞神经网络的稳定性

研究了细胞神经网络的耗散性及其平衡点的存在性、唯一性和全局渐近稳定性，推广了先前有关ＣＮＮ稳定性的一些结果。     

数字逻辑的神经网络设计

在讨论数字逻辑与神经元的关系后，提出一种利用前向三层神经网络实现任意布尔逻辑的设计方案，并引入卡诺图化简及最小项抑制的思想降低神经网络的实现复杂性，文中给出设计的原理及算法流程图，此方案结构简单可靠，学习速度快，易于硬件实现。     

一种基于神经网络跟踪控制的稳定性分析

本文针对一种标准形式的未知非线性系统的输出跟踪控制构造了一种基于多层前馈神经网络的的非线性学习控制系统，并利用ＢＰ学习算法训练好的神经网络构造了一个自适应输出跟踪控制结构。     

中立型时滞BAM神经网络的稳定性分析

文章介绍了中立型时滞BAM神经网络,并重点分析其稳定性,给出了中立型时滞BAM神经网络的平衡点唯一和全局指数稳定性的判据,同时举例说明判据的正确性和结果的有效性。     

基于逻辑输入样本的神经网络算法

本文对确定多层前向神经网络权提出了一种基于逻辑输入样本的直接算法。对于逻辑输入样本,该算法只需一个三层网络实现;否则,需在输入层和隐层间引入一个预处理层以完成输入样本向逻辑向量的转化。由于不引入误差能量函数,该算法避免了BP算法训练过程出现的收敛速度慢和误差陷入局部极小问题。本文还对该算法的正确性作了详细论证并以XOR问题解释其计算过程。     

关于非线性规划神经网络的稳定性

本文用新的方法进一步证明了Kennedy和Chua(1988)的神经网络在无界解集和不充分大的惩罚参数情形下仍是全局稳定的,因此推广了Maa和Shanblatt(1992)对有界解集和充分大惩罚参数的结果。     

Hopfield型联想记忆神经网络一种新的分析方法

本文通过定义一种新的能量函数，分析了Ｈｏｐｆｉｅｌｄ型神经网络的渐近稳定性与联想记忆问题，得到了四组保证网络平衡点是渐近稳定平衡点的充分条件，应用这些条件，便可设计联想记忆神经网络，文中给出了应用这些结论设计联想记忆神经网络的实验结果及分析。     

LOGICAL ANALYSIS FOR NEURAL NETWORKS

By comparison with constraint satisfaction networks, this paper presents an essential frame of the logical theory for continuous-state neural networks, and gives the quantitative analyzing method for contradiction. The analysis indicates that the basic reason for the alternation of the logical states of the neurons is the existence of superior contradiction inside the networks. The dynamic process for a neural network to find a solution corresponds to eliminating the superior contradiction.     

特征神经网络收敛性分析

求矩阵的特征值与特征向量的问题是科学和技术中广泛遇到的问题，本文将实对称矩阵的特征问题转化为求非线性方程的解的问题，并建立了一连续时间动力学神经网络来探讨该非线性方程，在相当一般的条件下利用Ｌｙａｐｕｎｏｖ函数讨论了网络的稳定性与收敛性。     

神经网络的VLSI实现

本文评述了当前神经网络电路实现的关键技术和研究现状,着重讨论了数字、模拟和脉冲流VLSI实现的电路技术及其未来发展。     

Stability for Cellular Neural Networks with Delay

The cellular neural networks with delay (DCNN‘s) are investigated, and some new sufficient conditions on asymptotical stability of DCNN‘s are derived by constructing the Liapunov functional and utilizing M-matrix and the ω-limit set. It is shown that the new conditions are not related to the delayed parameter.     

神经网络在系统辨识中的应用

系统辨识在工业方面应用广泛,该文从基本的智能控制技术——神经网络(NN)技术出发,提出了一种利用神经网络进行系统辨识的方法.该辨识方法显示出很强的处理问题的能力,无需辨别系统阶次.辨识结构简单,精度高.仿真结果表明这种方法的有效性和可行性.本论文共分为四部分:第一部分介绍了神经网络用于系统辨识的特征,第二部分讲述了神经网络的工作原理,包括神经网络的模型、传递函数及训练过程,第三部分讲述了神经网络进行系统辨识的仿真实例,第四部分对上述内容作了简要小结.     

多模式对连接权矩阵的一种神经网络学习算法

该文提出多模式对连接权矩阵的一种神经网络学习算法,并给出了严格的理论证明。该算法能够将多个模糊模式对可靠地编码存储到尽可能少的连接权矩阵中,从而大大地减少存储空间,而且容易实现,并举例验证了它的有效性。     

神经网络在通信中的应用

神经元网络的应用研究是近年来的一个研究热点。研究表明,在诸如自适应信号处理、最佳接收、纠错编码、压缩编码、模式识别、通信网等通信领域中,神经元网络可望得到广泛的应用。本文综述了几种神经元网络在通信中的应用研究工作。