测试产生的神经网络方法及若干问题研究

介绍了在微机上开发的一种基于神经网络的测试生成系统结构，详细讨论了系统中各模块的实现方案。从提高效率的角度，对电路测试生成中神经网络这一方法的发展及今后须解决的问题做了讨论     

电路测试生成的一种并行处理方法

基于消息传递的多指令流多数据流（ＭＩＭＤ）多机并行系统，提出一种组合电路测试图形生成的新的并行处理方法。该方法首先定义基本门电路的特征函数，通过特征函数的迭加，得到与被测电路对应的一约束网络的特征函数ＣＡＴＰＧ，用遗传算法计算ＣＡＴＰＧ的零点获得故障的测试。结果表明在电路的描述及操作、数据传送、算法实现等方面较其他方法有明显优势     

测试图形生成的遗传算法研究

提出了一种用于组合电路测试图形生成的遗传算法。该算法把被测电路的测试生成问题转化为计算一种约束函数的最优解，可充分利用电路的结构信息。为故障节点生成测试时易于操作，且无需经过故障模拟，就可保证对所有可测的单固定型故障及多故障有较高的故障覆盖率。     

Neural Network Expert System Approach for Analog Circuits Fault Diagnosis

提出了一种用于模拟电路故障诊断的神经网络专家系统（ＮＮＥＳ）方法。利用神经网络、专家系统两种技术的互补性，采用紧密耦合的ＮＮＥＳ方法实现模拟电路的故障诊断。同时给出并讨论了该方法的一般结构。实验结果说明了这一方法是可行、有效的。     

MIMD多机系统的异步并行拟牛顿法

基于ＭＩＭＤ（多指令流多数据流）多处理机并行系统，提出了求解非线性方程组的异步并行拟牛顿法，给出了算法的实现过程，收敛性及收敛效率估计。该算法的工作量比常用串行牛顿法少，具有超线性收敛和数值稳定性，理论分析与计算结果表明，异步并行拟牛顿法有较好的并行性。     

多处理机系统的一种异步并行算法

基于多指令流多数据流（ＭＩＭＤ）具有共享存贮器的多处理机系统，提出一种求解非线性方程组的异步并行算法，该算法有较好的渐近收敛阶。对算法的实现过程作了详细讨论，给出了算法的收敛性及证明，数值计算结果表明所提出的异步算法有较好加速。     

解非线性方程组的异步并行区间算法

基于ＭＩＭＤ多处理机系统，提出一种求解非线性方程组的异步并行区间算法，对算法的实现原理及结构作了详细分析，讨论了算法的收敛性及效率估计，所得结果表明该算法比常用串行区间算法的计算量小，收敛速度较好。