一类推广的BAM模型的全局渐近稳定性分析

在B KOSKO双向联想记忆模型（BMA模型）上，引入了变时滞，去掉了连接权矩阵对称的要求，利用构造Liaponov泛函，得到了此动力学系统全局渐近稳定的条件，所得结果，在人工神经网络理论和应用研究中具有实际意义。     

对宏观经济预警研究的探讨

本文首先简单介绍了国内外宏观经济预警研究现状;其次,指出现存宏观经济预警研究中存在的若干问题;最后,作者提出粗集-神经网络预警方法的基本思想。     

神经网络定性分析

利用大系统理论和M-矩阵的特性,提出了一种适合于Hopfield神经网络平衡点定性分析的新方法,给出了系统稳定和不稳定的判定定理。把神经网络的不同部分看成是子系统,使稳定性判定过程中的计算量大大减少。对非线形互联结构强度的约束不仅可以为直线,也可以是一些适当的函数,扩大了适用范围。     

基于变尺度混沌优化策略的混合遗传算法及在神经网络中的应用

讨论了遗传算法优化神经网络连接权的优点及存在的局限性.应用变尺度混沌搜索策略,建立了一种新的混合遗传算法——混沌遗传算法.将改进后的遗传算法结合前馈型神经网络应用于储层油气预测,取得了较好的效果.     

一种并行的遗传／神经网络混合学习算法

提出了一种用于多层前馈神经网络训练的新算法，它把遗传算法与自适应共轭梯度学习算法集成起来。这种并行混合学习算法已经在多指令流多数据流（ＭＩＭＤ）平台实现。通过把该算法用于一个图像识别问题，对它的性能进行了评估。文中还显示了所提出的并行混合神经网络学习算法良好的收敛性。     

BP神经网络教学演示与实验平台的设计与开发

为了强化学生对于神经网络动态计算过程的理解以及应用BP神经网络解决实际问题的动手能力,将MATLAB的图形界面编程功能(GUI)和神经网络工具箱(NNbox)相结合,开发出一套“BP神经网络的教学演示与实验平台”。该平台由教学演示和实验训练两个独立部分组成,可用于BP神经网络课程的课堂教学和实验教学、增强授课的直观性,也可作为学生课后自学和实验的辅助工具,解决理工科专业中的工程实际问题。     

基于时间序列ARIMA与BP神经网络的组合预测模型

文章将时间序列ARIMA模型和BP神经网络算法相结合,设计一种组合预测模型,并将其应用于实际预测中,通过实际预测检验了组合预测模型在实际预测中的有效性.研究发现,组合预测模型在预测精度方面总体上优于这两个单项预测模型,因此这种组合预测模型具有良好的预测效能.     

动态过程质量异常模式ANN-SVM识别模型及仿真分析

为简化ANN网络结构、降低MSVM识别的复杂度,提高动态过程质量异常模式识别效率,文章提出了基于ANN-SVM的动态过程质量异常模式识别模型.首先,在ANN分类器中应用均值特征把整体变化趋势上具有相似性的六种质量模式划分为三大类别.其次,利用SVM分类器对这三类进行再识别.应用均值特征构建的ANN网络结构简单,无需对其进行参数优化,并且ANN分类器将多分类问题转化为三个两分类问题,降低了MSVM的分类数.仿真结果表明:所提出的识别模型比单一采用ANN或MSVM分类器的整体识别精度均有显著提高,且大大缩减了模型训练时间.     

基于灰色RBF神经网络的多因素财政收入预测模型

针对财政收入及其影响因素原始数据呈随机性、非线性变化,两者之间具有非线性相关关系的特点,文章在分析RBF神经网络和无偏GM(1,1)模型两者建模优点的基础上,结合回归分析思想,提出了基于灰色RBF神经网络的多因素财政收入预测模型;并以安徽省财政收入数据作为检验样本对所建模型进行检验.