基于高维空间划分的神经网络分类学习模型

基于高维空间划分的原理，提出了一种非线性神经元CC模型和基于CC模型的神经网络的构造算法。从理论上证明基于CC模型的神经网络的容错性比MP网络要好，而且网络的隐层节点个数远远少于FP网络的隐层神经元个数，对于分类问题其计算复杂性仅为多项式（上界≤O(p^2),p为样本个数。该网络有明确的几何和物理意义，具有持续学习和噪声数据处理能力，适合大规模数据挖掘领域。     

高性能镍钴层状双金属氢氧化物的制备及其电化学性能研究

分别选用四种不同阴离子的镍、钴金属盐作为镍源和钴源,通过简单的水热法合成镍钴双金属氢氧化物,并对双金属氢氧化物的形貌结构及其电化学性能进行表征分析,以研究镍源和钴源阴离子的种类对所得材料形貌结构及其电化学性能的影响.结果表明:不同的镍、钴金属盐不仅影响着双金属氢氧化物的形貌结构,而且对其电化学性能也有很大的影响,其中,以硫酸镍和硫酸钴合成的镍钴双金属氢氧化物具有片层形貌结构和优异的电化学性能,在电位窗口为0.45 V、电流密度为1 A/g时,其比电容值可达1551 F/g.