神经网络发展探析

主要介绍神经网络近期新发展,扼要阐述其原理、结构、模型、算法、特性、应用前景及发展现状与趋势。     

论用于控制和估计的某些神经网络结构和要求

虽然在自动目标识别(ATR)和其他模式识别/分类应用领域有成功地使用神经网络(NN)算法的巨大潜力,但是(如本文所述的)遇到了在反馈控制设计中至今不能严格使用NN的一些值得注意的障碍。本文介绍与控制和估计理论(以及与INS/GPS导航系统中实际的故障检测)有关的涉及NN的若干问题和矛盾的现状。为了促进发展和给出综合展望,我们也介绍应用控制和估计理论中的技术和结果所取得的许多新的值得称赞的NN结果。     

神经网络在声纳目标识别中的研究进展

综述了神经网络在声纳信号预处理、目标特征提取及其自动分类方面的研究进展,简要分析了神经网络模型的特点和在应用中的局限性。并对该领域的发展趋势提出了自己的看法。     

自组织特性图形的检测理论与应用

人工神经网络模型已研究多年,已使得在信息处理领域中具有类似人的性能,本文将Ｋｏｈｏｎｅｎ自组织特征映射的学习规则进行了修改,以降低拓扑邻域边界上的模糊性,而后,用它的联想存贮功能可以实现输入统计过程的特征存贮,以达到检测的目的。本文也讨论了多维检测的数学机理,作为它的一个结果,可以得出高精度的检测性能。     

物体识别不变性方法比较分析(Ⅲ)——神经网络方法

文献[1]和[2]中分别讨论了物体识别不变性方法——统计方法和解析方法。本文将讨论另一种方法——神经网络方法。     

神经网络的原理及应用

人工神经网络是在现代神经科学研究成果的基础上提出的,反映了人脑功能的基本特征。但它只是人脑功能的某种抽象、模拟和简化。研究这一技术的目的在于,探索人脑加工、储存和搜索信息的机制,并将其原理应用于人工智能的可能性。本文介绍了一些神经网络模型及应用。     

神经网络应用

神经网络的应用是神经网络研究的三大主要领域之一。神经网络的应用与其所具备的能力是紧密相关的。本文中,我们从介绍神经网络的基本能力开始,概括地介绍了当前的神经网络主要应用领域。并从神经网络的能力出发,讨论了神经网络的潜在的应用领域。     

神经计算机容错能力分析

容错能力是计算机(传统计算机或神经计算机)能力的一个极重要的方面。本文从研究传统计算机容错技术和人脑容错特性出发,着重研究了神经计算机的容错能力,并得出了对神经计算机设计极有价值的结论。