具有变时滞Hopfield型神经网络的正不变集与吸引集

研究了具有变时滞Hopfield型神经网络的正不变集与吸引集，获得了正不变集与吸引集存在性的充分判据。     

模糊神经网络在数据融合技术中的应用

本文主要阐述了模糊神经网络技术，尤其是模糊联结聚合神经网络技术在数据融合技术中的理论与应用。     

分区适应截值模型及其在交通标志识别中的应用

针对Ｈｏｐｆｉｅｌｄ网络模型在存储模式不满足０和１状态的均匀分布及数目对等的条件下存储容量及寻址能力下降的缺点，提出并用光束方向编码光学实现了三值（１，０，－１）互连的分区适应截值模型，并把这一模型应用到交通标志的识别中，结果表明该模型及光学系统有很好的稳定性。     

三层前向人工神经网络全局最优逼近

提出了求解不等式约束非线性优化问题的群体复合形进化算法 ,提出的算法能充分利用目标函数值的信息、优化搜索过程具有较强的方向性和目标性 ,收敛速度较快 ,且是全局优化算法 ;将群体复合形进化算法应用于三层前向人工神经网络逼近 ,提出了三层前向人工神经网络全局最优逼近算法 ;将三层前向人工神经网络全局最优逼近算法应用于实例 ,表明了提出的全局最优逼近算法的有效性 .     

具无限变时滞的神经网络的稳定性分析

本文研究了具无限变时滞的神经网络的全局指数稳定性，在假设神经元输出输入活化函数有界和满足全局Lipschitz条件下，得到了神经网络具唯一平衡点且该平衡点全局指数稳定的一些充分条件，推广了已有文献中无时滞的相应结果。     

基于BP神经网络的PID控制器

利用神经网络和反馈控制理论, 提出了一种基于神经网络PID控制器的伺服控制系统结构. 在高精度仿真试验转台的应用中证实, 该方法避免了PID参数的整定难以匹配的问题, 减小了干摩擦对低速运动的影响. 实验表明：方法自适应能力强, 调节品质好, 具有较高的应用价值.     

隐马尔可夫模型在语音识别中的应用

隐马尔可夫模型（HMM）的基本技术是语音识别中较为成功的算法，主要是它具有较强的对时间序列结构的建模能力。本首先深入浅出地介绍了HMM的基本技术和一个基于HMM的孤立词语音识别系统的构成方法，其次，基于HMM尚存有一些缺陷，造成语音识别能力较弱，为此本又进一步阐述了语音识别应用中的几种改进的HMM系统及目前的热点方法－HMM与ANN构成的混合网络。     

基于软计算协作技术的智能评审管理系统

基于模糊系统、神经网络、遗传算法和粗糙集等软计算的协作技术，建立了科研项目的立项评审智能管理系统。运用软件工程原理与方法，对该系统及其在科研项目立项评审的应用软件进行计划、开发和维护。实际应用表明了该系统的可行性和有效性，并可推广于其他智能管理系统。     

带有时滞的神经网络的稳定性

在本文中，我们研究了带时滞的神经网络系统，分析了该系统的稳定状态，获得两个稳定性准则，为神经网络的硬件设计提供了理论依据.     

电容层析成像的BP网络重建

电容层析成像系统在工业上用于管道内流体的实时监测，本文提出用神经网络的方法来代替传统的反投影算法进行图像重建，以解决传统算法存在的扭曲形变和空间精度受限的问题．文中用改进的ＢＰ算法训练，采用一个两层感知机网络，网络的输入是预处理过的测量电容矢量，输出直接对应到空间图像．实验结果表明使用这一方法，能重建出足够精确的图像